
import matplotlib as plt
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import plotly.express as px
import seaborn as sns
from collections import Counter
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize
import re
import string


df_gesamt = pd.read_csv('data_abschlussprojekt.csv',
                        sep='#', index_col=0, skipinitialspace=True)

df_gesamt


df_gesamt.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 671205 entries, 0 to 671204
Data columns (total 13 columns):
 #   Column              Non-Null Count   Dtype  
---  ------              --------------   -----  
 0   funded_amount       671205 non-null  float64
 1   loan_amount         671205 non-null  float64
 2   activity            671205 non-null  object 
 3   sector              671205 non-null  object 
 4   use                 666972 non-null  object 
 5   country_code        671197 non-null  object 
 6   country             671205 non-null  object 
 7   region              614405 non-null  object 
 8   currency            671205 non-null  object 
 9   term_in_months      671205 non-null  float64
 10  lender_count        671205 non-null  int64  
 11  borrower_genders    666984 non-null  object 
 12  repayment_interval  671205 non-null  object 
dtypes: float64(3), int64(1), object(9)
memory usage: 71.7+ MB


df_gesamt.isnull().sum().sort_values(ascending=False)

region                56800
use                    4233
borrower_genders       4221
country_code              8
funded_amount             0
loan_amount               0
activity                  0
sector                    0
country                   0
currency                  0
term_in_months            0
lender_count              0
repayment_interval        0
dtype: int64


df_gesamt.describe()


df_gesamt.describe(include=['O'])


df_gesamt.dtypes

funded_amount         float64
loan_amount           float64
activity               object
sector                 object
use                    object
country_code           object
country                object
region                 object
currency               object
term_in_months        float64
lender_count            int64
borrower_genders       object
repayment_interval     object
dtype: object


df_gesamt.head()


df_gesamt.columns

Index(['funded_amount', 'loan_amount', 'activity', 'sector', 'use',
       'country_code', 'country', 'region', 'currency', 'term_in_months',
       'lender_count', 'borrower_genders', 'repayment_interval'],
      dtype='object')


df_gesamt.shape

(671205, 13)


u_c_funded_amount = df_gesamt['funded_amount'].nunique()

u_c_funded_amount

610


u_c_loan_amount = df_gesamt['loan_amount'].nunique()

u_c_loan_amount

479


u_activity = df_gesamt['activity'].unique()

u_activity

array(['Fruits & Vegetables', 'Rickshaw', 'Transportation', 'Embroidery',
       'Milk Sales', 'Services', 'Dairy', 'Beauty Salon', 'Manufacturing',
       'Food Production/Sales', 'Wholesale', 'General Store',
       'Clothing Sales', 'Poultry', 'Tailoring', 'Sewing', 'Bakery',
       'Restaurant', 'Food Stall', 'Farming', 'Construction Supplies',
       'Personal Products Sales', 'Home Products Sales',
       'Natural Medicines', 'Fish Selling', 'Education provider',
       'Shoe Sales', 'Machinery Rental', 'Butcher Shop', 'Pigs',
       'Personal Expenses', 'Food Market', 'Cosmetics Sales',
       'Personal Housing Expenses', 'Retail', 'Energy', 'Grocery Store',
       'Construction', 'Agriculture', 'Motorcycle Transport',
       'Charcoal Sales', 'Food', 'Pharmacy', 'Fishing', 'Timber Sales',
       'Cattle', 'Electronics Repair', 'Electronics Sales', 'Vehicle',
       'Cafe', 'Blacksmith', 'Higher education costs', 'Used Clothing',
       'Fuel/Firewood', 'Upholstery', 'Catering', 'Animal Sales',
       'Cereals', 'Vehicle Repairs', 'Arts',
       'Cloth & Dressmaking Supplies', 'Mobile Phones', 'Spare Parts',
       'Clothing', 'Metal Shop', 'Barber Shop', 'Furniture Making',
       'Crafts', 'Home Energy', 'Home Appliances', 'Wedding Expenses',
       'Taxi', 'Secretarial Services', 'Livestock', 'Property',
       'Recycling', 'Farm Supplies', 'Auto Repair', 'Beverages',
       'Plastics Sales', 'Electrical Goods', 'Carpentry', 'Photography',
       'Jewelry', 'Bricks', 'Pub', 'Phone Use Sales',
       'Water Distribution', 'Paper Sales', 'Computers',
       'Liquor Store / Off-License', 'Utilities', 'Knitting', 'Weaving',
       'Party Supplies', 'Medical Clinic', 'Internet Cafe',
       'Consumer Goods', 'Cement', 'Electrician',
       'Primary/secondary school costs', 'Veterinary Sales',
       'Land Rental', 'Laundry', 'Call Center', 'Perfumes', 'Hotel',
       'Motorcycle Repair', 'Movie Tapes & DVDs', 'Quarrying',
       'Personal Medical Expenses', 'Bookstore', 'Decorations Sales',
       'Recycled Materials', 'Office Supplies', 'Souvenir Sales',
       'Renewable Energy Products', 'Health', 'Printing', 'Phone Repair',
       'Traveling Sales', 'Flowers', 'Bicycle Repair', 'Entertainment',
       'Phone Accessories', 'Hardware', 'Used Shoes',
       'Music Discs & Tapes', 'Games', 'Balut-Making', 'Textiles',
       'Child Care', 'Goods Distribution', 'Florist', 'Cobbler', 'Dental',
       'Bookbinding', 'Cheese Making', 'Bicycle Sales', 'Well digging',
       'Technology', 'Musical Performance', 'Waste Management', 'Film',
       'Tourism', 'Musical Instruments', 'Religious Articles',
       'Machine Shop', 'Cleaning Services', 'Sporting Good Sales',
       'Patchwork', 'Funerals', 'Air Conditioning', 'Communications',
       'Adult Care', 'Landscaping / Gardening', 'Aquaculture',
       'Beekeeping', 'Event Planning', 'Celebrations', 'Computer',
       'Personal Care Products', 'Mobile Transactions'], dtype=object)


u_c_activity = df_gesamt['activity'].nunique()

u_c_activity

163


u_sector = df_gesamt['sector'].unique()

u_sector

array(['Food', 'Transportation', 'Arts', 'Services', 'Agriculture',
       'Manufacturing', 'Wholesale', 'Retail', 'Clothing', 'Construction',
       'Health', 'Education', 'Personal Use', 'Housing', 'Entertainment'],
      dtype=object)


u_c_sector = df_gesamt['sector'].nunique()

u_c_sector

15


u_use = df_gesamt['use'].unique()

u_use

array(['To buy seasonal, fresh fruits to sell. ',
       'to repair and maintain the auto rickshaw used in their business.',
       'To repair their old cycle-van and buy another one to rent out as a source of income',
       ...,
       'Pretend the issue with loan got addressed by Kiva Coordinator.',
       'Kiva Coordinator replaced loan use. Should see this in viewdiff.',
       'Edited loan use in english.'], dtype=object)


u_c_use = df_gesamt['use'].nunique()

u_c_use

423452


u_country_code = df_gesamt['country_code'].unique()

u_country_code

array(['PK', 'IN', 'KE', 'NI', 'SV', 'TZ', 'PH', 'PE', 'SN', 'KH', 'LR',
       'VN', 'IQ', 'HN', 'PS', 'MN', 'US', 'ML', 'CO', 'TJ', 'GT', 'EC',
       'BO', 'YE', 'GH', 'SL', 'HT', 'CL', 'JO', 'UG', 'BI', 'BF', 'TL',
       'ID', 'GE', 'UA', 'XK', 'AL', 'CD', 'CR', 'SO', 'ZW', 'CM', 'TR',
       'AZ', 'DO', 'BR', 'MX', 'KG', 'AM', 'PY', 'LB', 'WS', 'IL', 'RW',
       'ZM', 'NP', 'CG', 'MZ', 'ZA', 'TG', 'BJ', 'BZ', 'SR', 'TH', 'NG',
       'MR', 'VU', 'PA', 'VI', 'VC', 'LA', 'MW', 'MM', 'MD', 'SS', 'SB',
       'CN', 'EG', 'GU', 'AF', 'MG', nan, 'PR', 'LS', 'CI', 'BT'],
      dtype=object)


u_c_country_code = df_gesamt['country_code'].nunique()

u_c_country_code

86


u_country = df_gesamt['country'].unique()

u_country

array(['Pakistan', 'India', 'Kenya', 'Nicaragua', 'El Salvador',
       'Tanzania', 'Philippines', 'Peru', 'Senegal', 'Cambodia',
       'Liberia', 'Vietnam', 'Iraq', 'Honduras', 'Palestine', 'Mongolia',
       'United States', 'Mali', 'Colombia', 'Tajikistan', 'Guatemala',
       'Ecuador', 'Bolivia', 'Yemen', 'Ghana', 'Sierra Leone', 'Haiti',
       'Chile', 'Jordan', 'Uganda', 'Burundi', 'Burkina Faso',
       'Timor-Leste', 'Indonesia', 'Georgia', 'Ukraine', 'Kosovo',
       'Albania', 'The Democratic Republic of the Congo', 'Costa Rica',
       'Somalia', 'Zimbabwe', 'Cameroon', 'Turkey', 'Azerbaijan',
       'Dominican Republic', 'Brazil', 'Mexico', 'Kyrgyzstan', 'Armenia',
       'Paraguay', 'Lebanon', 'Samoa', 'Israel', 'Rwanda', 'Zambia',
       'Nepal', 'Congo', 'Mozambique', 'South Africa', 'Togo', 'Benin',
       'Belize', 'Suriname', 'Thailand', 'Nigeria', 'Mauritania',
       'Vanuatu', 'Panama', 'Virgin Islands',
       'Saint Vincent and the Grenadines',
       "Lao People's Democratic Republic", 'Malawi', 'Myanmar (Burma)',
       'Moldova', 'South Sudan', 'Solomon Islands', 'China', 'Egypt',
       'Guam', 'Afghanistan', 'Madagascar', 'Namibia', 'Puerto Rico',
       'Lesotho', "Cote D'Ivoire", 'Bhutan'], dtype=object)


u_c_country = df_gesamt['country'].nunique()

u_c_country

87


u_region = df_gesamt['region'].unique()

u_region

array(['Lahore', 'Maynaguri', 'Abdul Hakeem', ..., 'Gbenikoro Village',
       'Morimaraia', 'alejandria'], dtype=object)


u_c_region = df_gesamt['region'].nunique()

u_c_region

12695


u_currency = df_gesamt['currency'].unique()

u_currency

array(['PKR', 'INR', 'KES', 'NIO', 'USD', 'TZS', 'PHP', 'PEN', 'XOF',
       'LRD', 'VND', 'HNL', 'MNT', 'COP', 'GTQ', 'TJS', 'BOB', 'YER',
       'KHR', 'GHS', 'SLL', 'HTG', 'CLP', 'JOD', 'UGX', 'BIF', 'IDR',
       'GEL', 'UAH', 'EUR', 'ALL', 'CRC', 'XAF', 'TRY', 'AZN', 'DOP',
       'BRL', 'MXN', 'KGS', 'AMD', 'PYG', 'LBP', 'WST', 'ILS', 'RWF',
       'ZMW', 'NPR', 'MZN', 'ZAR', 'BZD', 'SRD', 'NGN', 'VUV', 'XCD',
       'MWK', 'LAK', 'MMK', 'ZWD', 'MDL', 'SSP', 'SBD', 'CNY', 'EGP',
       'MGA', 'NAD', 'LSL', 'THB'], dtype=object)


u_c_currency = df_gesamt['currency'].nunique()

u_c_currency

67


u_term_in_months = df_gesamt['term_in_months'].unique()

u_term_in_months

array([ 12.,  11.,  43.,  14.,   4.,  13.,  10.,   8.,   5.,  20.,   7.,
         3.,  17.,  15.,   9.,  39.,  23.,  26.,   6.,  30.,  22.,  25.,
        27.,  16.,  52.,  18.,  36.,  19.,  28.,  62.,  32.,  24.,  21.,
        50.,  38.,   2.,  35.,  72., 137.,   1.,  49.,  33.,  42.,  29.,
        37.,  51., 113.,  79.,  31.,  44.,  74.,  34.,  48., 114.,  40.,
       124., 104.,  63.,  85.,  78.,  70.,  86.,  61.,  60.,  67.,  55.,
        53.,  41.,  68., 143.,  77., 130.,  45., 111., 134., 107., 142.,
       148.,  56., 122., 133., 141., 110.,  81., 106.,  54., 147., 112.,
        59., 145., 121., 109.,  80.,  47.,  97.,  75., 101., 128.,  98.,
        87.,  71.,  66.,  46., 125.,  76.,  73., 120., 144., 118., 131.,
        65., 108.,  58., 123.,  84.,  99.,  82.,  92.,  69.,  91.,  57.,
        90.,  93., 129.,  89.,  88.,  64., 126., 138., 158.,  83., 100.,
       105., 132.,  96., 127., 135.,  95., 154., 156.,  94., 115., 102.,
       116., 136., 103., 139., 146.])


u_c_term_in_months = df_gesamt['term_in_months'].nunique()

u_c_term_in_months

148


u_c_lender_count = df_gesamt['lender_count'].nunique()

u_c_lender_count

503


u_borrower_genders = df_gesamt['borrower_genders'].unique()

u_borrower_genders

array(['female', 'female, female', 'female, female, female', ...,
       'female, female, male, female, female, female, female, female, female, female, male, male, female, female, male, female, female, female, female, female, female, female',
       'male, female, female, female, female, female, female, female, male, male, female, male, female, male, male, male',
       'female, female, female, male, female, female, female, male, female, female, female, male, female, male, female, female, female, female, female, female, female, female, female, female, female, female, female, female, male'],
      dtype=object)


u_c_borrower_genders = df_gesamt['borrower_genders'].nunique()

u_c_borrower_genders

11298


u_repayment_interval = df_gesamt['repayment_interval'].unique()

u_repayment_interval

array(['irregular', 'bullet', 'monthly', 'weekly'], dtype=object)


u_c_repayment_interval = df_gesamt['repayment_interval'].nunique()

u_c_repayment_interval

4


df_gesamt[df_gesamt.duplicated()]


df_dup = df_gesamt.loc[df_gesamt.duplicated(keep=False), :]
df_dup


df_gesamt.isnull().sum().sort_values(ascending=False)

region                56800
use                    4233
borrower_genders       4221
country_code              8
funded_amount             0
loan_amount               0
activity                  0
sector                    0
country                   0
currency                  0
term_in_months            0
lender_count              0
repayment_interval        0
dtype: int64


# Zeilen filtern, bei denen country_code NaN ist, und nur die Spalten "country" und "country_code" anzeigen
filtered_df = df_gesamt[df_gesamt['country_code'].isna()][[
    'country', 'country_code']]

print(filtered_df)

        country country_code
202537  Namibia          NaN
202823  Namibia          NaN
344929  Namibia          NaN
351177  Namibia          NaN
420953  Namibia          NaN
421218  Namibia          NaN
487207  Namibia          NaN
487653  Namibia          NaN


df_gesamt['country_code'].fillna('NA', inplace=True)


df_gesamt.isnull().sum().sort_values(ascending=False)

region                56800
use                    4233
borrower_genders       4221
funded_amount             0
loan_amount               0
activity                  0
sector                    0
country_code              0
country                   0
currency                  0
term_in_months            0
lender_count              0
repayment_interval        0
dtype: int64


# Eindeutige Länder (Spalte "country") anzeigen, bei denen region NaN ist
unique_countries_with_nan_region = df_gesamt[df_gesamt['region'].isna(
)]['country'].unique()

print(unique_countries_with_nan_region)

['Kenya' 'El Salvador' 'Senegal' 'Iraq' 'United States' 'Peru' 'Tanzania'
 'Guatemala' 'Colombia' 'Indonesia' 'Kosovo' 'Timor-Leste' 'Turkey'
 'Philippines' 'Palestine' 'Burundi' 'Tajikistan' 'Honduras' 'Jordan'
 'Mexico' 'Lebanon' 'Albania' 'Nicaragua' 'Bolivia' 'Israel' 'Rwanda'
 'Azerbaijan' 'Ecuador' 'Mongolia' 'Haiti' 'Cambodia' 'Sierra Leone'
 'Yemen' 'Zimbabwe' 'Paraguay' 'Uganda' 'Armenia' 'Dominican Republic'
 'Benin' 'Belize' 'Ghana' 'Mozambique' 'Zambia' 'Samoa' 'Brazil' 'Panama'
 'Pakistan' 'Burkina Faso' 'Suriname' 'Virgin Islands' 'Togo'
 'South Africa' 'Malawi' 'Nigeria' 'Liberia' 'Vietnam' 'Costa Rica' 'Guam'
 'Myanmar (Burma)' 'Mali' 'Madagascar'
 'The Democratic Republic of the Congo' 'Cameroon' 'Georgia' 'Puerto Rico'
 'South Sudan' 'Moldova' 'Chile' 'Kyrgyzstan' 'India' 'China' 'Bhutan']


# Spalte "region" aus dem DataFrame löschen
df_gesamt = df_gesamt.drop(columns=['region'])

df_gesamt


nan_use_rows = df_gesamt[df_gesamt['use'].isna()]
nan_use_rows


nan_borrower_genders_rows = df_gesamt[df_gesamt['borrower_genders'].isna()]
nan_borrower_genders_rows


nan_use_and_borrower_genders_rows = df_gesamt[df_gesamt['use'].isna(
) & df_gesamt['borrower_genders'].isna()]
nan_use_and_borrower_genders_rows


df_gesamt.dropna(subset=['borrower_genders', 'use'], inplace=True)
df_gesamt.reset_index(drop=True, inplace=True)

df_gesamt


missing_value_synonyms = ['?', 'N/A', 'unknown', 'missing', 'None', 'NIL', '-', 'NA_', 'NAN', 'Not available',
                          'Not provided', 'TBD', '', '_', 'NULL']

# Iteriere über alle Spalten im DataFrame
for column in df_gesamt.columns:
    for synonym in missing_value_synonyms:
        count = (df_gesamt[column] == synonym).sum()
        if count > 0:
            print(f"In Spalte '{column}': Anzahl von '{synonym}': {count}")


# Filtere Zeilen, in denen 'country' gleich 'Bolivia' ist
zeilen_bolivia = df_gesamt.loc[df_gesamt['country'] == 'Bolivia']

# Gib die ausgewählten Zeilen aus
zeilen_bolivia


# Filtere Zeilen, in denen 'use' gleich 'Translated loan use to english.' ist
zeilen_tlu = df_gesamt.loc[df_gesamt['use']
                           == 'Translated loan use to english.']

# Anzahl der Zeilen anzeigen
anzahl_zeilen_tlu = zeilen_tlu.shape[0]
print(
    f"Anzahl der Zeilen, in denen 'use' gleich 'Translated loan use to english.' ist: {anzahl_zeilen_tlu}")

Anzahl der Zeilen, in denen 'use' gleich 'Translated loan use to english.' ist: 27


# Zeilen löschen, in denen 'use' gleich 'Translated loan use to english.' ist
df_gesamt = df_gesamt.drop(zeilen_tlu.index)

# Index zurücksetzen
df_gesamt = df_gesamt.reset_index(drop=True)


df_gesamt


# boxplot erstellen, um Ausreißer in der Spalte 'fundet_amount' zu identifizieren

sns.boxplot(x='funded_amount', data=df_gesamt)

<Axes: xlabel='funded_amount'>


# boxplot erstellen, um Ausreißer in der Spalte 'loan_amount' zu identifizieren

sns.boxplot(x='loan_amount', data=df_gesamt)

<Axes: xlabel='loan_amount'>


# boxplot erstellen, um Ausreißer in der Spalte 'lender_count' zu identifizieren

sns.boxplot(x='lender_count', data=df_gesamt)

<Axes: xlabel='lender_count'>


loan_amount_value = 100000

# Finde die Zeile, in der 'loan_amount' den Wert 100000 hat
desired_row = df_gesamt[df_gesamt['loan_amount'] == loan_amount_value]

# Zeige die gefundene Zeile an
desired_row


# boxplot erstellen, um Ausreißer in der Spalte 'term_in_months' zu identifizieren

sns.boxplot(x='term_in_months', data=df_gesamt)

<Axes: xlabel='term_in_months'>


df_gdp_pcap = pd.read_csv('gdp_pcap.csv', sep=',')

df_gdp_pcap


änderungen = {"Congo, Rep.": "Congo", "Cote d'Ivoire": "Cote D'Ivoire", "andere_alt": "Guam", "andere_alt": "Kosovo", "Kyrgyz Republic": "Kyrgyzstan", "Lao": "Lao People's Democratic Republic",
              "Myanmar": "Myanmar (Burma)", "andere_alt": "Puerto Rico", "St. Vincent and the Grenadines": "Saint Vincent and the Grenadines", "Congo, Dem. Rep.": "The Democratic Republic of the Congo", "USA": "United States", "andere_alt": "Virgin Islands"}

# Verwende die replace-Methode, um die Ländernamen im DataFrame zu ändern
df_gdp_pcap['country'] = df_gdp_pcap['country'].replace(änderungen)

df_gdp_pcap


# Annahme: Die Spaltennamen sind bereits Jahreszahlen in String-Format.

# Die Spalten von 2010 bis 2022 inklusive 'country' auswählen
df_gdp_pcap_10_22 = df_gdp_pcap[['country'] +
                                list(df_gdp_pcap.loc[:, '2010':'2022'])]

# Nun enthält 'df_gdp_pcap_10_22 ' die 'country'-Spalte und die Spalten von 2010 bis 2022.
df_gdp_pcap_10_22


# Annahme: 'df_gdp_pcap_10_22' enthält die ausgewählten Daten mit Ländern und den Jahren 2010 bis 2022.
# 'df_gesamt' enthält die Gesamtdaten mit den Ländern.

# Die Länder aus 'df_gdp_pcap_10_22' filtern, die auch in 'df_gesamt' vorhanden sind
filtered_df = df_gdp_pcap_10_22[df_gdp_pcap_10_22['country'].isin(
    df_gesamt['country'])]


# Den Index neu setzen
filtered_df = filtered_df.reset_index(drop=True)

# Nun hat 'filtered_df' einen neuen Index, der bei 0 beginnt.
filtered_df


u_c_country

87


# Liste aller Länder aus 'df_gesamt' erstellen und alphabetisch sortieren
all_countries_list_gesamt = sorted(df_gesamt['country'].unique())

# Liste aller Länder aus 'df_gdp_pcap_10_22' erstellen und alphabetisch sortieren
all_countries_list_gdp_pcap = sorted(df_gdp_pcap['country'].unique())


# Erstelle eine leere Liste, um die Länder zu speichern, die nur in all_countries_list_gesamt vorkommen
nur_in_gesamt = []

# Iteriere über die Länder in all_countries_list_gesamt
for land in all_countries_list_gesamt:
    # Überprüfe, ob das Land nicht in all_countries_list_gdp_pcap vorkommt
    if land not in all_countries_list_gdp_pcap:
        # Füge das Land der Liste nur_in_gesamt hinzu
        nur_in_gesamt.append(land)

# nur_in_gesamt enthält jetzt die Länder, die nur in all_countries_list_gesamt vorkommen
print(nur_in_gesamt)

['Guam', 'Kosovo', 'Puerto Rico', 'Virgin Islands']


# Erstelle einen DataFrame, der nur die ausgewählten Spalten enthält
selected_columns = df_gesamt[['funded_amount',
                              'loan_amount', 'term_in_months', 'lender_count']]

# Verwende die .corr()-Methode, um die Korrelationsmatrix zu erstellen
correlation_matrix = selected_columns.corr()

# Die Korrelationsmatrix anzeigen
correlation_matrix


# Überprüfen, ob die Nachkommastelle jemals ungleich 0 ist
has_non_zero_decimal = (df_gesamt['term_in_months'] % 1 != 0).any()

if has_non_zero_decimal:
    print("In der Spalte 'term_in_months' gibt es mindestens eine Zahl mit einer nicht-null Nachkommastelle.")
else:
    print("In der Spalte 'term_in_months' sind alle Zahlen ganze Zahlen oder haben eine Nachkommastelle von 0.")

In der Spalte 'term_in_months' sind alle Zahlen ganze Zahlen oder haben eine Nachkommastelle von 0.


df_gesamt['term_in_months'] = df_gesamt['term_in_months'].astype(int)


# Überprüfen, ob die Nachkommastelle jemals ungleich 0 ist
has_non_zero_decimal = (df_gesamt['funded_amount'] % 1 != 0).any()

if has_non_zero_decimal:
    print("In der Spalte 'term_in_months' gibt es mindestens eine Zahl mit einer nicht-null Nachkommastelle.")
else:
    print("In der Spalte 'term_in_months' sind alle Zahlen ganze Zahlen oder haben eine Nachkommastelle von 0.")

In der Spalte 'term_in_months' sind alle Zahlen ganze Zahlen oder haben eine Nachkommastelle von 0.


df_gesamt['funded_amount'] = df_gesamt['funded_amount'].astype(int)


# Überprüfen, ob die Nachkommastelle jemals ungleich 0 ist
has_non_zero_decimal = (df_gesamt['loan_amount'] % 1 != 0).any()

if has_non_zero_decimal:
    print("In der Spalte 'term_in_months' gibt es mindestens eine Zahl mit einer nicht-null Nachkommastelle.")
else:
    print("In der Spalte 'term_in_months' sind alle Zahlen ganze Zahlen oder haben eine Nachkommastelle von 0.")

In der Spalte 'term_in_months' sind alle Zahlen ganze Zahlen oder haben eine Nachkommastelle von 0.


df_gesamt['loan_amount'] = df_gesamt['loan_amount'].astype(int)


df_gesamt.dtypes

funded_amount          int32
loan_amount            int32
activity              object
sector                object
use                   object
country_code          object
country               object
currency              object
term_in_months         int32
lender_count           int64
borrower_genders      object
repayment_interval    object
dtype: object


total_erfolgreiche_projekte = df_gesamt[(
    df_gesamt['loan_amount'] == df_gesamt['funded_amount']) & (df_gesamt['loan_amount'] > 0)]


total_erfolgreiche_projekte.head(5)


# Anzahl der total erfolgreichen Projekte
anzahl_total_erfolgreiche_projekte = total_erfolgreiche_projekte.shape[0]
form_anzahl_total_erfolgreiche_projekte = '{:,.0f}'.format(
    anzahl_total_erfolgreiche_projekte).replace(',', '.')
print("\nAnzahl der total erfolgreichen Projekte:",
      form_anzahl_total_erfolgreiche_projekte)

# Gesamtanzahl der Projekte
gesamtanzahl_projekte = df_gesamt.shape[0]

# Anteil der total erfolgreichen Projekte an der Gesamtanzahl
anteil_total_erfolgreiche_projekte = (
    anzahl_total_erfolgreiche_projekte / gesamtanzahl_projekte) * 100

# Runden auf zwei Nachkommastellen
anteil_total_erfolgreiche_projekte = round(
    anteil_total_erfolgreiche_projekte, 2)
print("\nAnteil der total erfolgreichen Projekte an der Gesamtanzahl der Projekte:",
      anteil_total_erfolgreiche_projekte, "%")

Anzahl der total erfolgreichen Projekte: 619.330

Anteil der total erfolgreichen Projekte an der Gesamtanzahl der Projekte: 92.86 %


tw_erfolgreiche_projekte = df_gesamt[(
    df_gesamt['loan_amount'] != df_gesamt['funded_amount']) & (df_gesamt['funded_amount'] > 0)]


tw_erfolgreiche_projekte.head(5)


# Anzahl der teilweise erfolgreichen Projekte
anzahl_tw_erfolgreiche_projekte = tw_erfolgreiche_projekte.shape[0]
form_anzahl_tw_erfolgreiche_projekte = '{:,.0f}'.format(
    anzahl_tw_erfolgreiche_projekte).replace(',', '.')
print("\nAnzahl der teilweise erfolgreichen Projekte:",
      form_anzahl_tw_erfolgreiche_projekte)

# Gesamtanzahl der Projekte
gesamtanzahl_projekte = df_gesamt.shape[0]

# Anteil der teilweise erfolgreichen Projekte an der Gesamtanzahl
anteil_tw_erfolgreiche_projekte = (
    anzahl_tw_erfolgreiche_projekte / gesamtanzahl_projekte) * 100

# Runden auf zwei Nachkommastellen
anteil_tw_erfolgreiche_projekte = round(anteil_tw_erfolgreiche_projekte, 2)
print("\nAnteil der teilweise erfolgreichen Projekte an der Gesamtanzahl der Projekte:",
      anteil_tw_erfolgreiche_projekte, "%")

Anzahl der teilweise erfolgreichen Projekte: 44.386

Anteil der teilweise erfolgreichen Projekte an der Gesamtanzahl der Projekte: 6.66 %


gescheiterte_projekte = df_gesamt[(
    df_gesamt['loan_amount'] != df_gesamt['funded_amount']) & (df_gesamt['funded_amount'] == 0)]


gescheiterte_projekte.head(5)


# Anzahl der gescheiterten Projekte
anzahl_gescheiterte_projekte = gescheiterte_projekte.shape[0]
form_anzahl_gescheiterte_projekte = '{:,.0f}'.format(
    anzahl_gescheiterte_projekte).replace(',', '.')
print("\nAnzahl der gescheiterten Projekte:",
      form_anzahl_gescheiterte_projekte)

# Gesamtanzahl der Projekte
gesamtanzahl_projekte = df_gesamt.shape[0]

# Anteil der gescheiterten Projekte an der Gesamtanzahl
anteil_gescheiterte_projekte = (
    anzahl_gescheiterte_projekte / gesamtanzahl_projekte) * 100

# Runden auf zwei Nachkommastellen
anteil_gescheiterte_projekte = round(anteil_gescheiterte_projekte, 2)
print("\nAnteil der gescheiterten Projekte an der Gesamtanzahl der Projekte:",
      anteil_gescheiterte_projekte, "%")

Anzahl der gescheiterten Projekte: 3.229

Anteil der gescheiterten Projekte an der Gesamtanzahl der Projekte: 0.48 %


# Daten für den Pie-Chart
labels = [f'total erfolgreiche Projekte ({form_anzahl_total_erfolgreiche_projekte})',
          f'teilweise erfolgreiche Projekte ({form_anzahl_tw_erfolgreiche_projekte})',
          f'gescheiterte Projekte ({form_anzahl_gescheiterte_projekte})']

sizes = [anzahl_total_erfolgreiche_projekte,
         anzahl_tw_erfolgreiche_projekte, anzahl_gescheiterte_projekte]

colors = ['lightblue', 'lightgreen', 'lightcoral']

# Erstelle den Pie-Chart im objektorientierten Stil mit Matplotlib
fig, ax = plt.subplots(figsize=(6, 6))

ax.pie(sizes, labels=None, colors=colors, autopct='%1.1f%%', startangle=90, counterclock=False,
       pctdistance=0.85, textprops={'fontsize': 9})

# Hinzufügen von Text in den Kuchenstücken
ax.axis('equal')

# Legende erstellen
legend_labels = labels
legend_colors = colors
plt.legend(legend_labels, loc='upper left', bbox_to_anchor=(1, 1), fontsize=9)

# Anzeigen des Pie-Charts
plt.show()


tw_erfolgreiche_projekte_copy = tw_erfolgreiche_projekte.copy()
tw_erfolgreiche_projekte_copy['percent'] = (
    (tw_erfolgreiche_projekte['funded_amount'] / tw_erfolgreiche_projekte['loan_amount']) * 100).round(1)

tw_erfolgreiche_projekte_copy


bins = [0, 25, 50, 75, 100]
labels = ['0 - 24.9', '25 - 49.9', '50 - 74.9', '75 - 99.9']


tw_erfolgreiche_projekte_copy['group'] = pd.cut(
    tw_erfolgreiche_projekte_copy['percent'], bins=bins, labels=labels)


tw_erfolgreiche_projekte_copy


verteilung_gruppen = tw_erfolgreiche_projekte_copy['group'].value_counts()

verteilung_gruppen

50 - 74.9    14140
25 - 49.9    13408
0 - 24.9      9463
75 - 99.9     7373
Name: group, dtype: int64


# Zähle die Projekte in jeder Gruppe
verteilung_gruppen = tw_erfolgreiche_projekte_copy['group'].value_counts()

# Sortiere die Gruppen nach deinen Kriterien
verteilung_gruppen = verteilung_gruppen.reindex(labels)

# Erstelle ein Balkendiagramm
verteilung_gruppen.plot(kind='bar')

# Beschriftung hinzufügen
plt.xlabel('Gruppe')
plt.ylabel('Anzahl Projekte')
plt.title('Verteilung der Projekte nach Gruppen')

# Das Diagramm anzeigen
plt.show()


# Durchschnittliche Kreditfinanzierung
durchschnittliche_finanzierung = df_gesamt['funded_amount'].mean()

# Median des finanzierten Betrags
median_finanzierung = df_gesamt['funded_amount'].median()

print(
    f'Durchschnittliche Kreditfinanzierung: {durchschnittliche_finanzierung}')
print(f'Median des finanzierten Betrags: {median_finanzierung}')

Durchschnittliche Kreditfinanzierung: 785.1633193141863
Median des finanzierten Betrags: 450.0


# Durchschnittlicher angeforderter Kreditbetrag
durchschnittlicher_kreditbetrag = df_gesamt['loan_amount'].mean()

# Median des angeforderten Kreditbetrags
median_kreditbetrag = df_gesamt['loan_amount'].median()

print(
    f'Durchschnittlicher angeforderter Kreditbetrag: {durchschnittlicher_kreditbetrag}')
print(f'Median des angeforderten Kreditbetrags: {median_kreditbetrag}')

Durchschnittlicher angeforderter Kreditbetrag: 840.2463096657145
Median des angeforderten Kreditbetrags: 500.0


# Zähle die Anzahl der Kredite pro Aktivität
kredite_pro_aktivität = df_gesamt['activity'].value_counts()

# Zähle die Anzahl der Kredite pro Sektor
kredite_pro_sektor = df_gesamt['sector'].value_counts()


kredite_pro_aktivität

Farming                      72621
General Store                64517
Personal Housing Expenses    32295
Food Production/Sales        27904
Agriculture                  26689
                             ...  
Film                            12
Personal Care Products           7
Event Planning                   5
Celebrations                     5
Adult Care                       2
Name: activity, Length: 163, dtype: int64


kredite_pro_sektor

Agriculture       179209
Food              135744
Retail            123753
Services           44693
Personal Use       36245
Housing            33571
Clothing           32477
Education          30837
Transportation     15453
Arts               11994
Health              9171
Construction        6194
Manufacturing       6158
Entertainment        820
Wholesale            626
Name: sector, dtype: int64


# Berechne den Prozentsatz der Kredite pro Aktivität
prozentsatz_pro_aktivität = (kredite_pro_aktivität / len(df_gesamt)) * 100

# Berechne den Prozentsatz der Kredite pro Sektor
prozentsatz_pro_sektor = (kredite_pro_sektor / len(df_gesamt)) * 100


prozentsatz_pro_aktivität

Farming                      10.888604
General Store                 9.673511
Personal Housing Expenses     4.842228
Food Production/Sales         4.183853
Agriculture                   4.001679
                               ...    
Film                          0.001799
Personal Care Products        0.001050
Event Planning                0.000750
Celebrations                  0.000750
Adult Care                    0.000300
Name: activity, Length: 163, dtype: float64


prozentsatz_pro_sektor

Agriculture       26.870132
Food              20.353103
Retail            18.555203
Services           6.701152
Personal Use       5.434481
Housing            5.033548
Clothing           4.869517
Education          4.623620
Transportation     2.316983
Arts               1.798349
Health             1.375076
Construction       0.928712
Manufacturing      0.923315
Entertainment      0.122949
Wholesale          0.093861
Name: sector, dtype: float64


# Gruppiere den DataFrame nach Sektor und liste die eindeutigen Aktivitäten auf
sektor_aktivitäten_liste = df_gesamt.groupby(
    'sector')['activity'].unique().reset_index()

# Ausgabe der Liste mit Sektoren und zugehörigen Aktivitäten
for index, row in sektor_aktivitäten_liste.iterrows():
    sektor = row['sector']
    aktivitäten = row['activity']
    print(f'Sektor: {sektor}')
    print(f'Aktivitäten: {aktivitäten}')
    print()

Sektor: Agriculture
Aktivitäten: ['Dairy' 'Poultry' 'Farming' 'Pigs' 'Agriculture' 'Cattle' 'Animal Sales'
 'Livestock' 'Farm Supplies' 'Veterinary Sales' 'Land Rental' 'Flowers'
 'Aquaculture' 'Beekeeping']

Sektor: Arts
Aktivitäten: ['Embroidery' 'Arts' 'Crafts' 'Knitting' 'Weaving' 'Textiles' 'Film'
 'Musical Instruments' 'Patchwork']

Sektor: Clothing
Aktivitäten: ['Clothing Sales' 'Used Clothing' 'Clothing' 'Used Shoes']

Sektor: Construction
Aktivitäten: ['Construction Supplies' 'Construction' 'Timber Sales' 'Carpentry'
 'Bricks' 'Cement' 'Quarrying' 'Well digging']

Sektor: Education
Aktivitäten: ['Education provider' 'Higher education costs'
 'Primary/secondary school costs' 'Computer']

Sektor: Entertainment
Aktivitäten: ['Entertainment' 'Games' 'Musical Performance']

Sektor: Food
Aktivitäten: ['Fruits & Vegetables' 'Milk Sales' 'Food Production/Sales' 'Bakery'
 'Restaurant' 'Food Stall' 'Fish Selling' 'Butcher Shop' 'Food Market'
 'Grocery Store' 'Food' 'Fishing' 'Cafe' 'Cereals' 'Catering' 'Beverages'
 'Pub' 'Liquor Store / Off-License' 'Balut-Making' 'Cheese Making']

Sektor: Health
Aktivitäten: ['Natural Medicines' 'Pharmacy' 'Medical Clinic'
 'Personal Medical Expenses' 'Health' 'Dental']

Sektor: Housing
Aktivitäten: ['Personal Housing Expenses' 'Property']

Sektor: Manufacturing
Aktivitäten: ['Manufacturing' 'Blacksmith' 'Metal Shop' 'Furniture Making'
 'Machine Shop' 'Personal Care Products']

Sektor: Personal Use
Aktivitäten: ['Personal Expenses' 'Vehicle' 'Home Energy' 'Home Appliances'
 'Wedding Expenses' 'Consumer Goods' 'Funerals' 'Celebrations']

Sektor: Retail
Aktivitäten: ['General Store' 'Personal Products Sales' 'Home Products Sales'
 'Shoe Sales' 'Cosmetics Sales' 'Retail' 'Charcoal Sales'
 'Electronics Sales' 'Fuel/Firewood' 'Cloth & Dressmaking Supplies'
 'Mobile Phones' 'Spare Parts' 'Plastics Sales' 'Electrical Goods'
 'Jewelry' 'Phone Use Sales' 'Paper Sales' 'Party Supplies' 'Perfumes'
 'Movie Tapes & DVDs' 'Bookstore' 'Decorations Sales' 'Recycled Materials'
 'Office Supplies' 'Souvenir Sales' 'Renewable Energy Products'
 'Traveling Sales' 'Phone Accessories' 'Hardware' 'Music Discs & Tapes'
 'Florist' 'Bicycle Sales' 'Religious Articles' 'Sporting Good Sales']

Sektor: Services
Aktivitäten: ['Services' 'Beauty Salon' 'Tailoring' 'Sewing' 'Machinery Rental'
 'Energy' 'Electronics Repair' 'Upholstery' 'Vehicle Repairs'
 'Barber Shop' 'Secretarial Services' 'Recycling' 'Auto Repair'
 'Photography' 'Water Distribution' 'Computers' 'Utilities'
 'Internet Cafe' 'Electrician' 'Laundry' 'Call Center' 'Hotel'
 'Motorcycle Repair' 'Printing' 'Bicycle Repair' 'Child Care' 'Cobbler'
 'Bookbinding' 'Technology' 'Phone Repair' 'Waste Management' 'Tourism'
 'Cleaning Services' 'Air Conditioning' 'Communications' 'Adult Care'
 'Landscaping / Gardening' 'Event Planning' 'Mobile Transactions']

Sektor: Transportation
Aktivitäten: ['Rickshaw' 'Transportation' 'Motorcycle Transport' 'Taxi']

Sektor: Wholesale
Aktivitäten: ['Wholesale' 'Goods Distribution']


sector_counts = df_gesamt.groupby('sector')['activity'].nunique()

sector_counts

sector
Agriculture       14
Arts               9
Clothing           4
Construction       8
Education          4
Entertainment      3
Food              20
Health             6
Housing            2
Manufacturing      6
Personal Use       8
Retail            34
Services          39
Transportation     4
Wholesale          2
Name: activity, dtype: int64


# Gruppiere nach Sektor und zähle die eindeutigen Aktivitäten
activity_counts = df_gesamt.groupby(
    'sector')['activity'].nunique().reset_index()

# Erstelle das Balkendiagramm mit Plotly Express
fig = px.bar(activity_counts, x='sector', y='activity',
             title='Anzahl der verschiedenen Aktivitäten pro Sektor')
# Sortiere die x-Achse nach der Anzahl der Aktivitäten
fig.update_xaxes(categoryorder='total descending')
fig.show()


#Gesamtanzahl der Daten berechnen
total_records = df_gesamt.shape[0]

# Gruppieren der Daten nach den Spalten 'sector' und 'activity' und Zählen der Anzahl der Kredite.
sector_activity_data = df_gesamt.groupby(
    ['sector', 'activity']).size().reset_index(name='loan_count')

# Berechnen des Prozentsatzes der Kredite pro Aktivität und Sektor.
sector_activity_data['loan_percentage'] = (
    sector_activity_data['loan_count'] / total_records) * 100

# Erstellen der Treemap mit Farben basierend auf dem Prozentsatz.
fig = px.treemap(sector_activity_data,
                 path=['sector', 'activity'],
                 values='loan_count',
                 color='loan_percentage',
                 color_continuous_scale='Plasma',
                 title='Treemap der Kredite nach Sektor und Aktivität'
                )
fig.update_traces(textinfo='label+value+percent parent')
fig.show()


# Extrahiere die 'use'-Spalte
use_column = df_gesamt['use']

# Kombiniere alle Texte in der 'use'-Spalte zu einem einzigen Text
all_text = ' '.join(use_column)

# Entferne Satzzeichen
translator = str.maketrans('', '', string.punctuation)
text_without_punctuation = all_text.translate(translator)

# Tokenisiere den Text in Wörter
words = word_tokenize(text_without_punctuation)

# Entferne englische Stoppwörter
english_stopwords = set(stopwords.words('english'))
filtered_words = [word.lower()
                  for word in words if word.lower() not in english_stopwords]

# Verwende Counter, um die Häufigkeit der Wörter zu zählen
word_counts = Counter(filtered_words)

# Die 15 häufigsten Wörter anzeigen:
most_common_words = word_counts.most_common(15)

most_common_words

[('buy', 392252),
 ('purchase', 158733),
 ('sell', 104146),
 ('business', 65531),
 ('pay', 63601),
 ('water', 49670),
 ('supplies', 40872),
 ('items', 38943),
 ('additional', 36522),
 ('products', 35473),
 ('fertilizer', 34907),
 ('like', 33879),
 ('stock', 33580),
 ('materials', 32791),
 ('seeds', 30873)]


# Extrahiere die 'use'-Spalte
use_column = df_gesamt['use']

# Kombiniere alle Texte in der 'use'-Spalte zu einem einzigen Text
all_text = ' '.join(use_column)

# Entferne Satzzeichen und Stoppwörter

# Tokenisiere den Text in Wörter
words = word_tokenize(text_without_punctuation)

# Entferne englische Stoppwörter
english_stopwords = set(stopwords.words('english'))
filtered_words = [word.lower()
                  for word in words if word.lower() not in english_stopwords]

# Zähle die Häufigkeit der verbleibenden Wörter
word_counts = Counter(filtered_words)

# Konvertiere die Ergebnisse in einen DataFrame
word_counts_df = pd.DataFrame.from_dict(
    word_counts, orient='index', columns=['Frequency'])

# Sortiere den DataFrame nach der Häufigkeit absteigend
word_counts_df = word_counts_df.sort_values(by='Frequency', ascending=False)

# Anzeigen der Top-N-Verwendungszwecke (zum Beispiel Top 15)
top_n = 15
top_n_word_counts = word_counts_df.head(top_n)

# Plot der Häufigkeitsverteilung
plt.figure(figsize=(10, 6))
plt.barh(top_n_word_counts.index, top_n_word_counts['Frequency'])
plt.xlabel('Häufigkeit')
plt.ylabel('Verwendungszweck')
plt.title('Häufigkeitsverteilung der Verwendungszwecke')
plt.show()


# Extrahiere die 'use'-Spalte und wandele sie in Kleinbuchstaben um
use_column = df_gesamt['use'].str.lower()

# Ersetze Tabulatorzeichen durch Leerzeichen in den Texten
use_column = use_column.str.replace('\t', ' ')

# Entferne alle Zeichen außer Buchstaben und Leerzeichen
use_column = use_column.apply(lambda x: re.sub(r'[^a-z\s]', '', x))

# Ersetze 'their', 'her' und 'his' durch '*'
use_column = use_column.str.replace(r'\b(their|her|his)\b', '*', regex=True)

# Ersetze 'feeds' durch 'feed'
use_column = use_column.str.replace(r'\b(feeds)\b', 'feed', regex=True)

# Verwende Counter, um die Häufigkeit der Texte zu zählen
text_counts = Counter(use_column)

# Die 15 häufigsten Texte anzeigen:
most_common_texts = text_counts.most_common(15)

for text, count in most_common_texts:
    print(f"Text: {text}\nHäufigkeit: {count}\n")

Text: to buy a water filter to provide safe drinking water for * family
Häufigkeit: 13419

Text: to build a sanitary toilet for * family
Häufigkeit: 3310

Text: to buy feed and other supplies to raise * pigs
Häufigkeit: 3162

Text: to buy feed and vitamins for * pigs
Häufigkeit: 2778

Text: to buy fertilizers and other farm supplies
Häufigkeit: 2271

Text: to buy ingredients for * food production business
Häufigkeit: 2091

Text: to buy feed vitamins and other supplies to raise * livestock
Häufigkeit: 2072

Text: to purchase more groceries to sell
Häufigkeit: 1626

Text: to buy farm inputs
Häufigkeit: 1226

Text: to buy food and clothing eliminating pressure to sell maize for low prices at harvest
Häufigkeit: 1213

Text: to purchase improved farm inputs that will increase farm yield
Häufigkeit: 1066

Text: to purchase building materials and pay for construction labor
Häufigkeit: 1016

Text: to buy a water filter to provide safe drinking water for * family 
Häufigkeit: 986

Text: to buy feed and other supplies to raise * livestock
Häufigkeit: 985

Text: to buy more groceries to sell
Häufigkeit: 980


# Erstelle einen DataFrame
df = pd.DataFrame(most_common_texts, columns=['Text', 'Häufigkeit'])

# Sortiere den DataFrame nach Häufigkeit absteigend
df = df.sort_values(by='Häufigkeit', ascending=False)

# Erstelle ein Balkendiagramm mit vertauschten Achsen
plt.figure(figsize=(10, 8))
bars = plt.barh(df['Text'], df['Häufigkeit'], color='lightblue')
plt.xlabel('Häufigkeit')
plt.ylabel('Text')

# Texte auf den Balken schreiben
for bar, text in zip(bars, df['Text']):
    plt.text(0, bar.get_y() + bar.get_height() /
             2, text, va='center', fontsize=10)

plt.title('Häufigkeitsverteilung der Texte')
plt.yticks(np.arange(len(df)), [])  # Y-Achsenticks deaktivieren

plt.show()


# Anzahl der Kredite pro Land und Währung
anzahl_kredite = df_gesamt.groupby(
    ['country', 'currency']).size().reset_index(name='Anzahl der Kredite')

# Gesamtwert der Kredite pro Land und Währung
gesamtwert_kredite = df_gesamt.groupby(['country', 'currency'])[
    'funded_amount'].sum().reset_index(name='Gesamtwert der Kredite')

# Zusammenführen der Ergebnisse
ergebnis_l_w_df = pd.merge(anzahl_kredite, gesamtwert_kredite, on=[
                           'country', 'currency'])

ergebnis_l_w_df


# Sortieren nach Anzahl der Kredite absteigend
ergebnis_l_w_df_nach_anzahl = ergebnis_l_w_df.sort_values(
    by='Anzahl der Kredite', ascending=False)

# Die Top 10 anzeigen
top_10_l_w_nach_anzahl = ergebnis_l_w_df_nach_anzahl.head(20)
top_10_l_w_nach_anzahl


# Sortieren nach Gesamtwert der Kredite absteigend
ergebnis_l_w_df_nach_gesamtwert = ergebnis_l_w_df.sort_values(
    by='Gesamtwert der Kredite', ascending=False)

# Die Top 10 anzeigen
top_10_l_w_nach_gesamtwert = ergebnis_l_w_df_nach_gesamtwert.head(20)
top_10_l_w_nach_gesamtwert


# Filtern nach Währung "USD"
ergebnis_usd_only = ergebnis_l_w_df[ergebnis_l_w_df['currency'] == 'USD']

# Anzeigen der Ergebnisse
ergebnis_usd_only


# Sortieren nach Anzahl der Kredite absteigend
ergebnis_usd_only_nach_anzahl = ergebnis_usd_only.sort_values(
    by='Anzahl der Kredite', ascending=False)

# Die Top 10 anzeigen
top_10_usd_only_nach_anzahl = ergebnis_usd_only_nach_anzahl.head(20)
top_10_usd_only_nach_anzahl


# Sortieren nach Gesamtwert der Kredite absteigend
ergebnis_usd_only_nach_gesamtwert = ergebnis_usd_only.sort_values(
    by='Gesamtwert der Kredite', ascending=False)

# Die Top 10 anzeigen
top_10_usd_only_nach_gesamtwert = ergebnis_usd_only_nach_gesamtwert.head(20)
top_10_usd_only_nach_gesamtwert


# Anzahl der Kredite pro Land
anzahl_kredite = df_gesamt.groupby(
    ['country']).size().reset_index(name='Anzahl der Kredite')

# Gesamtwert der Kredite pro Land
gesamtwert_kredite = df_gesamt.groupby(
    ['country'])['funded_amount'].sum().reset_index(name='Gesamtwert der Kredite')

# Zusammenführen der Ergebnisse
ergebnis_l_df = pd.merge(anzahl_kredite, gesamtwert_kredite, on=['country'])

ergebnis_l_df


# Sortieren nach Anzahl der Kredite absteigend
ergebnis_l_df_nach_anzahl = ergebnis_l_df.sort_values(
    by='Anzahl der Kredite', ascending=False)

# Die Top 20 anzeigen
top_20_l_nach_anzahl = ergebnis_l_df_nach_anzahl.head(20)
top_20_l_nach_anzahl


# Sortieren nach Gesamtwert der Kredite absteigend
ergebnis_l_df_nach_gesamtwert = ergebnis_l_df.sort_values(
    by='Gesamtwert der Kredite', ascending=False)

# Die Top 20 anzeigen
top_20_l_nach_gesamtwert = ergebnis_l_df_nach_gesamtwert.head(20)
top_20_l_nach_gesamtwert


mein_farben_dict = {
    'Armenia': 'bisque',
    'Bolivia': 'blue',
    'Cambodia': 'cyan',
    'Colombia': 'darkblue',
    'Ecuador': 'darkgreen',
    'El Salvador': 'darkorange',
    'Guatemala': 'darkred',
    'India': 'deeppink',
    'Kenya': 'gold',
    'Lebanon': 'goldenrod',
    'Nicaragua': 'lightblue',
    'Nigeria': 'lightcoral',
    'Pakistan': 'lightgreen',
    'Palestine': 'gray',
    'Paraguay': 'lime',
    'Peru': 'limegreen',
    'Philippines': 'magenta',
    'Rwanda': 'orange',
    'Samoa': 'peru',
    'Tajikistan': 'pink',
    'The Democratic Republic of the Congo': 'purple',
    'Uganda': 'red',
    'United States': 'tomato',
    'Vietnam': 'yellow'
}


# Erstelle eine Liste der Länder in der gewünschten Reihenfolge
laender = list(mein_farben_dict.keys())

# Erstelle ein Diagramm mit horizontalen Balken in den Farben der Länder
plt.figure(figsize=(12, 6))
sns.set_style("whitegrid")

sns.barplot(x=[1] * len(laender), y=laender,
            palette=list(mein_farben_dict.values()))

# Achsen und Beschriftungen ausblenden
plt.axis('on')

# Diagramm anzeigen
plt.show()


top_20_l_nach_anzahl_copy = top_20_l_nach_anzahl.copy()

top_20_l_nach_anzahl_copy['Farben'] = top_20_l_nach_anzahl_copy['country'].map(
    mein_farben_dict)


plt.figure(figsize=(12, 8))
sns.set_style("whitegrid")

sns.barplot(x='Anzahl der Kredite', y='country',
            data=top_20_l_nach_anzahl_copy, palette=top_20_l_nach_anzahl_copy['Farben'])

plt.title('Top 20 Länder nach Anzahl der Kredite (jedes Land mit eigener Farbe)')
plt.xlabel('Anzahl der Kredite')
plt.ylabel('Länder')

plt.tight_layout()
plt.show()


top_20_l_nach_gesamtwert_copy = top_20_l_nach_gesamtwert.copy()

top_20_l_nach_gesamtwert_copy['Farben'] = top_20_l_nach_gesamtwert_copy['country'].map(
    mein_farben_dict)


plt.figure(figsize=(12, 8))
sns.set_style("whitegrid")

sns.barplot(x='Gesamtwert der Kredite', y='country',
            data=top_20_l_nach_gesamtwert_copy, palette=top_20_l_nach_gesamtwert_copy['Farben'])

plt.title('Top 20 Länder nach Gesamtwert der Kredite (jedes Land mit eigener Farbe)')
plt.xlabel('Gesamtwert der Kredite')
plt.ylabel('Länder')

plt.tight_layout()
plt.show()


# Anzahl der Kredite pro Währung
anzahl_kredite = df_gesamt.groupby(
    ['currency']).size().reset_index(name='Anzahl der Kredite')

# Gesamtwert der Kredite pro Währung
gesamtwert_kredite = df_gesamt.groupby(
    ['currency'])['funded_amount'].sum().reset_index(name='Gesamtwert der Kredite')

# Zusammenführen der Ergebnisse
ergebnis_w_df = pd.merge(anzahl_kredite, gesamtwert_kredite, on=['currency'])

ergebnis_w_df


# Sortieren nach Anzahl der Kredite absteigend
ergebnis_w_df_nach_anzahl = ergebnis_w_df.sort_values(
    by='Anzahl der Kredite', ascending=False)

# Die Top 10 anzeigen
top_10_w_nach_anzahl = ergebnis_w_df_nach_anzahl.head(20)
top_10_w_nach_anzahl


# Sortieren nach Gesamtwert der Kredite absteigend
ergebnis_w_df_nach_gesamtwert = ergebnis_w_df.sort_values(
    by='Gesamtwert der Kredite', ascending=False)

# Die Top 10 anzeigen
top_10_w_nach_gesamtwert = ergebnis_w_df_nach_gesamtwert.head(20)
top_10_w_nach_gesamtwert


df_gesamt['term_in_months'].describe()[['mean', 'max', 'min']]

mean     13.730305
max     158.000000
min       1.000000
Name: term_in_months, dtype: float64


df_gesamt['lender_count'].describe()[['mean', 'max', 'min']]

mean      20.551845
max     2986.000000
min        0.000000
Name: lender_count, dtype: float64


# Verwende str.split(), um die Zeilen in Wörter aufzuteilen, und zähle die Anzahl der Wörter
df_gesamt['count_borrowers'] = df_gesamt['borrower_genders'].str.split().apply(len)

# Die resultierende Spalte 'count_borrowers' enthält die Anzahl der Wörter pro Zeile
df_gesamt['count_borrowers']

0         1
1         2
2         1
3         1
4         1
         ..
666940    1
666941    1
666942    1
666943    1
666944    1
Name: count_borrowers, Length: 666945, dtype: int64


# Verwende value_counts() auf der Spalte 'count_borrowers', um die Häufigkeit der verschiedenen Anzahlen zu zählen
anzahl_häufigkeit = df_gesamt['count_borrowers'].value_counts()

# Die resultierende Serie 'anzahl_häufigkeit' enthält die Häufigkeit der verschiedenen Anzahlen
anzahl_häufigkeit

1     561185
2      16206
3      16200
4      13547
5      13485
8       5430
10      5167
6       4982
7       4039
9       3643
11      2823
12      2426
15      2347
17      2049
13      1965
16      1674
14      1616
18      1303
20      1062
19       993
21       643
22       561
23       533
25       517
24       433
26       313
27       258
28       246
30       229
29       188
31       138
32       106
33       101
34        77
35        72
37        71
36        59
38        45
40        38
41        32
50        31
42        25
39        25
43        22
44        12
45        12
48         5
49         4
46         4
47         3
Name: count_borrowers, dtype: int64


# Funktion zur Ermittlung des Geschlechts für jede Zeile
def bestimme_geschlecht(row):
    gender_list = row['borrower_genders'].split(', ')
    count_male = gender_list.count('male')
    count_female = gender_list.count('female')

    if count_female == 1 and count_male == 0:
        return 'Female single'
    elif count_female > 1 and count_male == 0:
        return 'Female group'
    elif count_male == 1 and count_female == 0:
        return 'Male single'
    elif count_male > 1 and count_female == 0:
        return 'Male group'
    else:
        return 'Mixed group'


# Eine neue Spalte 'Gender group' erstellen, die das Geschlecht für jede Zeile angibt
df_gesamt['gender_group'] = df_gesamt.apply(bestimme_geschlecht, axis=1)

# Zählen der Anzahl der reinen Frauengruppen, reinen Männergruppen, einzelnen Frauen und gemischten Gruppen
anzahl_reine_frauengruppen = (
    df_gesamt['gender_group'] == 'Female group').sum()
anzahl_reine_männergruppen = (df_gesamt['gender_group'] == 'Male group').sum()
anzahl_einzelne_frauen = (df_gesamt['gender_group'] == 'Female single').sum()
anzahl_einzelne_männer = (df_gesamt['gender_group'] == 'Male single').sum()
anzahl_gemischte_gruppen = (df_gesamt['gender_group'] == 'Mixed group').sum()

print(f'Anzahl der reinen Frauengruppen: {anzahl_reine_frauengruppen}')
print(f'Anzahl der reinen Männergruppen: {anzahl_reine_männergruppen}')
print(f'Anzahl einzelner Frauen: {anzahl_einzelne_frauen}')
print(f'Anzahl einzelne Männer: {anzahl_einzelne_männer}')
print(f'Anzahl der gemischten Gruppen: {anzahl_gemischte_gruppen}')

Anzahl der reinen Frauengruppen: 61573
Anzahl der reinen Männergruppen: 3813
Anzahl einzelner Frauen: 426484
Anzahl einzelne Männer: 134701
Anzahl der gemischten Gruppen: 40374


# Indexwerte der ausgewählten Zeilen
selected_indices = [10, 17, 35, 50, 53, 59]

# Verwende iloc, um die ausgewählten Zeilen für die Spalten 'borrower_genders' und 'gender_group' anzuzeigen
selected_rows = df_gesamt[['borrower_genders',
                           'gender_group']].iloc[selected_indices]

# Gib die ausgewählten Zeilen aus
selected_rows


verteilung_rueckzahlungsintervall = df_gesamt['repayment_interval'].value_counts(
)

verteilung_rueckzahlungsintervall

monthly      340144
irregular    256569
bullet        69630
weekly          602
Name: repayment_interval, dtype: int64


# Univariate Analyse für "loan_amount"
loan_amount_summary = df_gesamt['loan_amount'].describe()
print("Univariate Analyse für loan_amount:")
print(loan_amount_summary)

# Univariate Analyse für "funded_amount"
funded_amount_summary = df_gesamt['funded_amount'].describe()
print("\nUnivariate Analyse für funded_amount:")
print(funded_amount_summary)

Univariate Analyse für loan_amount:
count    666945.000000
mean        840.246310
std        1187.843681
min          25.000000
25%         275.000000
50%         500.000000
75%        1000.000000
max      100000.000000
Name: loan_amount, dtype: float64

Univariate Analyse für funded_amount:
count    666945.000000
mean        785.163319
std        1128.017820
min           0.000000
25%         250.000000
50%         450.000000
75%         900.000000
max      100000.000000
Name: funded_amount, dtype: float64


median_loan_amount = df_gesamt['loan_amount'].median()
median_funded_amount = df_gesamt['funded_amount'].median()

print("Median für loan_amount:", median_loan_amount)
print("Median für funded_amount:", median_funded_amount)

Median für loan_amount: 500.0
Median für funded_amount: 450.0


# Berechnung der Quartile für "loan_amount"
quartile_1_loan = df_gesamt['loan_amount'].quantile(0.25)
quartile_3_loan = df_gesamt['loan_amount'].quantile(0.75)

# Berechnung der Anzahl der Datenpunkte in den Quartilen für "loan_amount"
count_in_q1_loan = df_gesamt[df_gesamt['loan_amount']
                             <= quartile_1_loan].shape[0]
count_in_q3_loan = df_gesamt[df_gesamt['loan_amount']
                             >= quartile_3_loan].shape[0]

# Berechnung der Quartile für "funded_amount"
quartile_1_funded = df_gesamt['funded_amount'].quantile(0.25)
quartile_3_funded = df_gesamt['funded_amount'].quantile(0.75)

# Berechnung der Anzahl der Datenpunkte in den Quartilen für "funded_amount"
count_in_q1_funded = df_gesamt[df_gesamt['funded_amount']
                               <= quartile_1_funded].shape[0]
count_in_q3_funded = df_gesamt[df_gesamt['funded_amount']
                               >= quartile_3_funded].shape[0]

print("Anzahl der Datenpunkte im ersten Quartil (Q1) für loan_amount:", count_in_q1_loan)
print("Anzahl der Datenpunkte im dritten Quartil (Q3) für loan_amount:", count_in_q3_loan)
print("Anzahl der Datenpunkte im ersten Quartil (Q1) für funded_amount:",
      count_in_q1_funded)
print("Anzahl der Datenpunkte im dritten Quartil (Q3) für funded_amount:",
      count_in_q3_funded)

Anzahl der Datenpunkte im ersten Quartil (Q1) für loan_amount: 181513
Anzahl der Datenpunkte im dritten Quartil (Q3) für loan_amount: 167022
Anzahl der Datenpunkte im ersten Quartil (Q1) für funded_amount: 178163
Anzahl der Datenpunkte im dritten Quartil (Q3) für funded_amount: 169327


# Histogramm für "loan_amount"
plt.hist(df_gesamt['loan_amount'], bins=50, edgecolor='k')
plt.xlabel('loan_amount')
plt.ylabel('Häufigkeit')
plt.title('Histogramm für loan_amount')
plt.show()

# Histogramm für "funded_amount"
plt.hist(df_gesamt['funded_amount'], bins=50, edgecolor='k')
plt.xlabel('funded_amount')
plt.ylabel('Häufigkeit')
plt.title('Histogramm für funded_amount')
plt.show()


# Verwende Seaborn, um Boxplots in einem Diagramm darzustellen
plt.figure(figsize=(8, 6))  # Größe des Diagramms festlegen
sns.boxplot(data=df_gesamt[['loan_amount', 'funded_amount']])
plt.xlabel('')
plt.ylabel('Summe in $')
plt.title('Boxplots für loan_amount und funded_amount')
plt.show()


# Filtere die Daten, um Werte kleiner oder gleich 100.000 zu behalten
filtered_data = df_gesamt[(df_gesamt['loan_amount'] < 100000) & (
    df_gesamt['funded_amount'] < 100000)]

# Verwende Seaborn, um Boxplots in einem Diagramm darzustellen
plt.figure(figsize=(8, 6))  # Größe des Diagramms festlegen
sns.boxplot(data=filtered_data[['loan_amount', 'funded_amount']])
plt.xlabel('')
plt.ylabel('Summe in $')
plt.title('Boxplots für loan_amount und funded_amount (ohne Ausreißer)')
plt.show()


# Berechne die Schwellenwerte für die 2,5% - und 97,5% -Quantile
lower_quantile = df_gesamt[['loan_amount', 'funded_amount']].quantile(0.025)
upper_quantile = df_gesamt[['loan_amount', 'funded_amount']].quantile(0.975)

# Filtere die Daten, um nur die mittleren 95% zu behalten
filtered_data = df_gesamt[
    (df_gesamt['loan_amount'] >= lower_quantile['loan_amount']) &
    (df_gesamt['loan_amount'] <= upper_quantile['loan_amount']) &
    (df_gesamt['funded_amount'] >= lower_quantile['funded_amount']) &
    (df_gesamt['funded_amount'] <= upper_quantile['funded_amount'])
]

# Verwende Seaborn, um Boxplots in einem Diagramm darzustellen
plt.figure(figsize=(8, 6))  # Größe des Diagramms festlegen
sns.boxplot(data=filtered_data[['loan_amount', 'funded_amount']])
plt.xlabel('')
plt.ylabel('Summe in $')
plt.title('Boxplots für loan_amount und funded_amount (ohne 2,5% Ausreißer)')
plt.show()


# Korrelationsanalyse zwischen "funded_amount" und "loan_amount"
correlation = df_gesamt['funded_amount'].corr(df_gesamt['loan_amount'])
print("Korrelationskoeffizient zwischen funded_amount und loan_amount:", correlation)

# Streudiagramm erstellen
plt.figure(figsize=(8, 6))
plt.scatter(df_gesamt['loan_amount'], df_gesamt['funded_amount'], alpha=0.5)
plt.xlabel('loan_amount')
plt.ylabel('funded_amount')
plt.title('Streudiagramm zwischen loan_amount und funded_amount')
plt.grid(True)
plt.show()

Korrelationskoeffizient zwischen funded_amount und loan_amount: 0.9519948177975132


# Daten für den Pie-Chart
labels = [f'total erfolgreiche Projekte ({form_anzahl_total_erfolgreiche_projekte})',
          f'teilweise erfolgreiche Projekte ({form_anzahl_tw_erfolgreiche_projekte})',
          f'gescheiterte Projekte ({form_anzahl_gescheiterte_projekte})']

sizes = [anzahl_total_erfolgreiche_projekte,
         anzahl_tw_erfolgreiche_projekte, anzahl_gescheiterte_projekte]

colors = ['lightblue', 'lightgreen', 'lightcoral']

# Erstelle den Pie-Chart im objektorientierten Stil mit Matplotlib
fig, ax = plt.subplots(figsize=(6, 6))

ax.pie(sizes, labels=None, colors=colors, autopct='%1.1f%%', startangle=90, counterclock=False,
       pctdistance=0.85, textprops={'fontsize': 9})

# Hinzufügen von Text in den Kuchenstücken
ax.axis('equal')

# Legende erstellen
legend_labels = labels
legend_colors = colors
plt.legend(legend_labels, loc='upper left', bbox_to_anchor=(1, 1), fontsize=9)

# Anzeigen des Pie-Charts
plt.show()


tw_erfolgreiche_projekte_copy = tw_erfolgreiche_projekte.copy()
tw_erfolgreiche_projekte_copy['percent'] = (
    (tw_erfolgreiche_projekte['funded_amount'] / tw_erfolgreiche_projekte['loan_amount']) * 100).round(1)

bins = [0, 25, 50, 75, 100]
labels = ['0 - 24.9', '25 - 49.9', '50 - 74.9', '75 - 99.9']

tw_erfolgreiche_projekte_copy['group'] = pd.cut(
    tw_erfolgreiche_projekte_copy['percent'], bins=bins, labels=labels)

verteilung_gruppen = tw_erfolgreiche_projekte_copy['group'].value_counts()

# Zähle die Projekte in jeder Gruppe
verteilung_gruppen = tw_erfolgreiche_projekte_copy['group'].value_counts()

# Sortiere die Gruppen nach deinen Kriterien
verteilung_gruppen = verteilung_gruppen.reindex(labels)

# Erstelle ein Balkendiagramm
verteilung_gruppen.plot(kind='bar')

# Beschriftung hinzufügen
plt.xlabel('Gruppe')
plt.ylabel('Anzahl Projekte')
plt.title('Verteilung der teilweise erfolgreichen Projekte nach Gruppen')

# Das Diagramm anzeigen
plt.show()


# Bedingungen für Erfolgsklassifikation
df_gesamt['Erfolg'] = 't'  # Standardmäßig als "total erfolgreich" markieren

# Bedingungen für teilweise erfolgreiche Projekte
tw_erfolgreiche_idx = (df_gesamt['loan_amount'] != df_gesamt['funded_amount']) & (
    df_gesamt['funded_amount'] > 0)
df_gesamt.loc[tw_erfolgreiche_idx, 'Erfolg'] = 'tw'

# Bedingungen für gescheiterte Projekte
gescheiterte_idx = (df_gesamt['loan_amount'] != df_gesamt['funded_amount']) & (
    df_gesamt['funded_amount'] == 0)
df_gesamt.loc[gescheiterte_idx, 'Erfolg'] = 'g'


# Zähle die Häufigkeit der Länder in der Kategorie "total erfolgreich" ("t")
haeufigkeit_t = df_gesamt[df_gesamt['Erfolg'] == 't']['country'].value_counts()

# Zähle die Häufigkeit der Länder in der Kategorie "teilweise erfolgreich" ("tw")
haeufigkeit_tw = df_gesamt[df_gesamt['Erfolg']
                           == 'tw']['country'].value_counts()

# Zähle die Häufigkeit der Länder in der Kategorie "gescheitert" ("g")
haeufigkeit_g = df_gesamt[df_gesamt['Erfolg'] == 'g']['country'].value_counts()

# Anzeigen der häufigsten Länder in jeder Kategorie
print("Am häufigsten in 'total erfolgreich' (t):")
print(haeufigkeit_t.head(15))

print("\nAm häufigsten in 'teilweise erfolgreich' (tw):")
print(haeufigkeit_tw.head(15))

print("\nAm häufigsten in 'gescheitert' (g):")
print(haeufigkeit_g.head(15))

Am häufigsten in 'total erfolgreich' (t):
Philippines    157533
Kenya           69846
Cambodia        33437
El Salvador     32260
Pakistan        24918
Peru            21579
Uganda          18094
Tajikistan      17475
Colombia        17261
Ecuador         12870
Paraguay        11518
India           10868
Nicaragua       10411
Vietnam          9878
Nigeria          9132
Name: country, dtype: int64

Am häufigsten in 'teilweise erfolgreich' (tw):
El Salvador      6863
Kenya            4748
Colombia         3801
Philippines      2718
Uganda           2186
Tajikistan       1961
Armenia          1800
Pakistan         1690
United States    1332
Nicaragua        1247
Cambodia         1193
Bolivia          1179
Palestine         988
Vietnam           902
Nigeria           872
Name: country, dtype: int64

Am häufigsten in 'gescheitert' (g):
United States    817
Kenya            518
Pakistan         245
El Salvador      196
Cambodia         179
Colombia         154
Nigeria          126
Uganda           110
Philippines      110
Tajikistan        82
Togo              71
Sierra Leone      62
Vietnam           61
Liberia           52
Mozambique        47
Name: country, dtype: int64


# Gruppiere den DataFrame nach 'country' und 'Erfolg' und zähle die Häufigkeit
gruppiert = df_gesamt.groupby(
    ['country', 'Erfolg']).size().unstack(fill_value=0)

# Ermittele die 15 häufigsten Länder in jeder Kategorie
haeufigste_t = gruppiert['t'].nlargest(15)
haeufigste_tw = gruppiert['tw'].nlargest(15)
haeufigste_g = gruppiert['g'].nlargest(15)

# Erstelle ein leeres DataFrame für die Ergebnisse
countries_t_tw_g = pd.DataFrame()

# Füge die Länder in die erste Spalte ein (alle Länder, die in einer der Kategorien vorkommen)
countries_t_tw_g['country'] = pd.concat(
    [haeufigste_t, haeufigste_tw, haeufigste_g]).index.unique()

# Setze den Index des Ergebnis DataFrames auf die 'country'-Spalte
countries_t_tw_g.set_index('country', inplace=True)

# Fülle die 't', 'tw' und 'g' Spalten mit den entsprechenden Werten
countries_t_tw_g['t'] = gruppiert.loc[countries_t_tw_g.index, 't']
countries_t_tw_g['tw'] = gruppiert.loc[countries_t_tw_g.index, 'tw']
countries_t_tw_g['g'] = gruppiert.loc[countries_t_tw_g.index, 'g']

# Fehlende Werte (NaN) mit 0 auffüllen
countries_t_tw_g.fillna(0, inplace=True)

# Zeige den Ergebnis DataFrame an
countries_t_tw_g


# Erstelle eine Figur und Achsenobjekte
fig, ax = plt.subplots(figsize=(12, 6))

# Zeichne das Balkendiagramm auf den Achsen
countries_t_tw_g.plot(kind='bar', ax=ax)

# Konfiguriere das Diagramm
ax.set_title('Projekte nach Ländern und Erfolgskategorien')
ax.set_xlabel('Länder')
ax.set_ylabel('Anzahl der Projekte')

# Festlegen der x-Achsenbeschriftungen und Positionen
x_pos = range(len(countries_t_tw_g.index))
ax.set_xticks(x_pos)
ax.set_xticklabels(countries_t_tw_g.index, rotation=45)

ax.legend(title='Erfolgskategorien')

# Zeige das Diagramm an
plt.show()


# Erstelle eine Figur und Achsenobjekte
fig, ax = plt.subplots(figsize=(12, 6))

# Zeichne das Balkendiagramm auf den Achsen
ax.bar(countries_t_tw_g.index, countries_t_tw_g['t'], label='t')
ax.bar(countries_t_tw_g.index,
       countries_t_tw_g['tw'], label='tw', bottom=countries_t_tw_g['t'])
ax.bar(countries_t_tw_g.index,
       countries_t_tw_g['g'], label='g', bottom=countries_t_tw_g['t'] + countries_t_tw_g['tw'])

# Konfiguriere das Diagramm
ax.set_title('Projekte nach Ländern und Erfolgskategorien')
ax.set_xlabel('Länder')
ax.set_ylabel('Anzahl der Projekte')

# Festlegen der x-Achsenbeschriftungen und Positionen
x_pos = range(len(countries_t_tw_g.index))
ax.set_xticks(x_pos)
ax.set_xticklabels(countries_t_tw_g.index, rotation=45)

ax.legend(title='Erfolgskategorien')

# Zeige das Diagramm an
plt.show()


# Ermittele die 3 Länder mit den insgesamt meisten Krediten
top_3_laender = countries_t_tw_g[['t', 'tw', 'g']].sum(
    axis=1).nlargest(3).index

# Erstelle Subplots für die Pieplots (untereinander angeordnet)
fig, axs = plt.subplots(3, 1, figsize=(8, 18))

pctdistance = 0.9  # Wert, um die Labels weiter entfernt zu platzieren

# Iteriere über die Top 3 Länder und erstelle für jedes Land einen Pieplot
for i, land in enumerate(top_3_laender):
    land_row = countries_t_tw_g.loc[land]
    axs[i].pie(land_row, labels=land_row.index, autopct='%1.1f%%',
               startangle=90, counterclock=False, pctdistance=pctdistance)
    axs[i].set_title(f'Anteil der Erfolgskategorien in {land}')

# Passe den Layout-Abstand an
plt.tight_layout()

# Zeige die Pieplots an
plt.show()


# Erstelle eine neue Spalte "Erfolgskategorie" basierend auf der Spalte "Erfolg"
df_gesamt['Erfolgskategorie'] = df_gesamt['Erfolg'].map(
    {'t': 'Total Erfolgreiche', 'tw': 'Teilweise Erfolgreiche', 'g': 'Gescheiterte'})

# Berechne die Gesamtkreditsumme für jede Erfolgskategorie
gesamtkreditsumme_nach_kategorie = df_gesamt.groupby('Erfolgskategorie')[
    'loan_amount'].sum()
gesamtkreditsumme_nach_kategorie = gesamtkreditsumme_nach_kategorie.sort_values(
    ascending=False)

# Berechne den Durchschnittskredit für jede Erfolgskategorie
durchschnittskredit_nach_kategorie = df_gesamt.groupby('Erfolgskategorie')[
    'loan_amount'].mean()
durchschnittskredit_nach_kategorie = durchschnittskredit_nach_kategorie.sort_values(
    ascending=True)

print("Gesamtkreditsumme nach Erfolgskategorie:")
print(gesamtkreditsumme_nach_kategorie)

print("\nDurchschnittskredit nach Erfolgskategorie:")
print(durchschnittskredit_nach_kategorie)

Gesamtkreditsumme nach Erfolgskategorie:
Erfolgskategorie
Total Erfolgreiche        493558400
Teilweise Erfolgreiche     62159725
Gescheiterte                4679950
Name: loan_amount, dtype: int32

Durchschnittskredit nach Erfolgskategorie:
Erfolgskategorie
Total Erfolgreiche         796.923127
Teilweise Erfolgreiche    1400.435385
Gescheiterte              1449.349644
Name: loan_amount, dtype: float64


# Daten vorbereiten
erfolgskategorien = gesamtkreditsumme_nach_kategorie.index
gesamtkreditsumme = gesamtkreditsumme_nach_kategorie.values / 1e6  # In Millionen umrechnen
durchschnittskredit = durchschnittskredit_nach_kategorie.values

# Erstellen einer Figure-Instanz
fig, ax1 = plt.subplots(figsize=(12, 6))

# Balkenbreite
bar_width = 0.35
index = np.arange(len(erfolgskategorien))

# Erstellen des Balkendiagramms für die Gesamtkreditsumme auf der ersten y-Achse (Blau)
bar1 = ax1.bar(index, gesamtkreditsumme, bar_width,
               label='Gesamtkreditsumme', color='b')
ax1.set_xlabel('Erfolgskategorie')
ax1.set_ylabel('Gesamtkreditsumme (in Mio. $)', color='b')
ax1.set_xticks(index)
ax1.set_xticklabels(erfolgskategorien)

# Erstellen einer zweiten y-Achse (rechts)
ax2 = ax1.twinx()

# Erstellen des Balkendiagramms für den Durchschnittskredit auf der zweiten y-Achse (Rot)
bar2 = ax2.bar(index + bar_width, durchschnittskredit,
               bar_width, label='Durchschnittskredit', color='r')
ax2.set_ylabel('Durchschnittskredit', color='r')

# Verschieben der x-Positionen der Textlabels in die Mitte zwischen den Balken
ax1.set_xticks(index + bar_width / 2)
ax1.set_xticklabels(erfolgskategorien)

# Kombinieren von Legenden von beiden y-Achsen
lines = [bar1, bar2]
labels = [line.get_label() for line in lines]
plt.legend(lines, labels, loc='upper center')

plt.title('Gesamtkreditsumme und Durchschnittskredit nach Erfolgskategorie')
plt.tight_layout()
plt.show()


# Gruppieren nach Erfolgskategorie und Land und die Summe der Kredite berechnen
grouped = df_gesamt.groupby(['Erfolgskategorie', 'country'])[
    'loan_amount'].sum().reset_index()

# Die Top 5 Länder in jeder Erfolgskategorie auswählen
top_5_countries_by_success_creditsum = grouped.groupby('Erfolgskategorie').apply(
    lambda x: x.nlargest(5, 'loan_amount')).reset_index(drop=True)

# Ergebnisse anzeigen
top_5_countries_by_success_creditsum


# Pivotieren der Daten, um die gewünschte Tabellenstruktur zu erhalten und leere Zellen mit NaN füllen
pivot_table1 = top_5_countries_by_success_creditsum.pivot(
    index='country', columns='Erfolgskategorie', values='loan_amount').reset_index().fillna('NaN')

# Umbenennen der Spalten
pivot_table1.columns = ['Country', 'Gescheiterte',
                        'Teilweise Erfolgreiche', 'Total Erfolgreiche']

# Ergebnisse anzeigen
pivot_table1


countries = pivot_table1['Country'].astype(str)
total_successful = pivot_table1['Total Erfolgreiche'].astype(float)
partial_successful = pivot_table1['Teilweise Erfolgreiche'].astype(float)
failed = pivot_table1['Gescheiterte'].astype(float)

# Funktion zur Formatierung der y-Achse im Millionenformat
def millions(x, pos):
    'Die Funktion formatiert die Werte in Millionen'
    return f'{x/1e6:.0f} Mio'


# Anzahl der Länder
num_countries = len(countries)

# Breite der Balken
bar_width = 0.2

# Positionen der Balken auf der x-Achse
index = np.arange(num_countries)

# Erstellen der Figure und Achsenobjekte
fig, ax = plt.subplots(figsize=(12, 6))

# Erstellen des gruppierten Balkendiagramms
ax.bar(index, total_successful, bar_width,
       label='Total Erfolgreiche', color='green')
ax.bar(index + bar_width, partial_successful, bar_width,
       label='Teilweise Erfolgreiche', color='yellow')
ax.bar(index + 2*bar_width, failed, bar_width,
       label='Gescheiterte', color='red')

# Beschriftung der x-Achse
ax.set_xlabel('Land')
ax.set_ylabel('Kreditsumme (je Land)')
ax.set_title('Top 5 Länder je Erfolgskategorie nach Kreditsumme (des Landes)')
ax.set_xticks(index + bar_width)
ax.set_xticklabels(countries, rotation=90)

# Legende hinzufügen und Position festlegen (links oben)
ax.legend(loc='upper left')

# Formatierung der y-Achse im Millionenformat
ax.yaxis.set_major_formatter(millions)

# Anzeigen des Diagramms
plt.tight_layout()
plt.show()


# Gruppieren nach Erfolgskategorie und Land und den Durchschnittskredit berechnen
grouped = df_gesamt.groupby(['Erfolgskategorie', 'country'])[
    'loan_amount'].mean().reset_index()

# Runden auf zwei Dezimalstellen
grouped['loan_amount'] = grouped['loan_amount'].round(2)

# Die Top 5 Länder in jeder Erfolgskategorie auswählen
top_5_countries_by_success_creditavg = grouped.groupby('Erfolgskategorie').apply(
    lambda x: x.nlargest(5, 'loan_amount')).reset_index(drop=True)

# Ergebnisse anzeigen
top_5_countries_by_success_creditavg


# Pivotieren der Daten, um die gewünschte Tabellenstruktur zu erhalten und leere Zellen mit NaN füllen
pivot_table2 = top_5_countries_by_success_creditavg.pivot(
    index='country', columns='Erfolgskategorie', values='loan_amount').reset_index().fillna('NaN')

# Umbenennen der Spalten
pivot_table2.columns = ['Country','Gescheiterte',
                        'Teilweise Erfolgreiche', 'Total Erfolgreiche']

# Ergebnisse anzeigen
pivot_table2


countries = pivot_table2['Country'].astype(str)
total_successful = pivot_table2['Total Erfolgreiche'].astype(float)
partial_successful = pivot_table2['Teilweise Erfolgreiche'].astype(float)
failed = pivot_table2['Gescheiterte'].astype(float)

# Funktion zur Formatierung der y-Achse im Tausenderformat
def thousands(x, pos):
    'Die Funktion formatiert die Werte in Tausend'
    return f'{x/1e3:.0f} Tsd'


# Anzahl der Länder
num_countries = len(countries)

# Breite der Balken
bar_width = 0.2

# Positionen der Balken auf der x-Achse
index = np.arange(num_countries)

# Erstellen der Figure und Achsenobjekte
fig, ax = plt.subplots(figsize=(12, 6))

# Erstellen des gruppierten Balkendiagramms
ax.bar(index, total_successful, bar_width,
       label='Total Erfolgreiche', color='green')
ax.bar(index + bar_width, partial_successful, bar_width,
       label='Teilweise Erfolgreiche', color='yellow')
ax.bar(index + 2*bar_width, failed, bar_width,
       label='Gescheiterte', color='red')

# Beschriftung der x-Achse
ax.set_xlabel('Land')
ax.set_ylabel('Durchschnittskredit')
ax.set_title(
    'Top 5 Länder je Erfolgskategorie nach Durchschnittskredit (des Landes)')
ax.set_xticks(index + bar_width)
ax.set_xticklabels(countries, rotation=90)

# Legende hinzufügen und Position festlegen (links oben)
ax.legend(loc='upper left')

# Formatierung der y-Achse im Tausenderformat
ax.yaxis.set_major_formatter(thousands)

# Anzeigen des Diagramms
plt.tight_layout()
plt.show()


df_agg = df_gesamt.groupby(['country', 'Erfolgskategorie'])[
    'loan_amount'].mean().reset_index()

# Schleife durch die Länder (countries)
for country in (df_agg['country'].unique()):

    # Filtere die Daten für das aktuelle Land (country)
    data_country = df_agg[df_agg['country'] == country]

    # Erstelle einen Scatterplot für das aktuelle Land
    plt.figure(figsize=(5, 3))
    plt.scatter(data_country['Erfolgskategorie'],
                data_country['loan_amount'], label=country)
    plt.title(f'Kreditsummen vs. Erfolgskategorien in {country}')
    plt.xlabel('Erfolgskategorie')
    plt.ylabel('Durchschnittliche Kreditsumme')
    plt.legend()
    
#Plots anzeigen
plt.show()

C:\Users\alfa\AppData\Local\Temp\ipykernel_3564\1372405129.py:11: RuntimeWarning:

More than 20 figures have been opened. Figures created through the pyplot interface (`matplotlib.pyplot.figure`) are retained until explicitly closed and may consume too much memory. (To control this warning, see the rcParam `figure.max_open_warning`). Consider using `matplotlib.pyplot.close()`.


# benötigte Bibliotheken importieren

# für die Daten

from dash.dependencies import Input, Output
import pandas as pd

# für die Visualisierung

import plotly.express as px

# für die Dash-App
import dash
from dash import dcc
from dash import html

app = dash.Dash(__name__)


df_gesamt[['country','funded_amount','loan_amount','Erfolg','Erfolgskategorie']].dtypes

country             object
funded_amount        int32
loan_amount          int32
Erfolg              object
Erfolgskategorie    object
dtype: object


# 1. App erstellen - Name der App vergeben
my_kiva_app1 = dash.Dash(__name__)

# 2. Layout festlegen
my_kiva_app1.layout = html.Div(children=[
    # Überschrift
    html.H1(children="Erfolg der Projekte - Piechart Vergleich",
            style={
                "textAlign": "center",
                "font-family": "Verdana",  # Schriftart
                "font-size": "24px"  # Schriftgröße
            }
            ),

    # Dropdown für die Länderauswahl
    dcc.Dropdown(id="country_dropdown",
                 options=[{"label": country, "value": country}
                          for country in sorted(df_gesamt["country"].unique())],
                 value="",
                 style={"width": 230,
                        "font-family": "Verdana",
                        "font-size": "16px"}
                 ),

    # Radio-Buttons für die Metrikenauswahl
    dcc.RadioItems(id="metric_radio",
                   options=[
                       {"label": "Kreditsumme", "value": "loan_amount"},
                       {"label": "Kreditanzahl", "value": "loan_count"},
                       {"label": "Durchschnittlicher Kredit",
                           "value": "average_loan"}
                   ],
                   value="loan_amount",  # Standardauswahl
                   labelStyle={"display": "block",
                               "font-family": "Verdana", "font-size": "16px"}
                   ),


    # Piechart
    dcc.Graph(id="pie_chart", figure={}),

])

# 3. Callbacks erstellen


@my_kiva_app1.callback(
    Output("pie_chart", "figure"),
    Input("country_dropdown", "value"),
    Input("metric_radio", "value")
)
def update_pie_chart(selected_country, selected_metric):
    # Daten filtern
    df_filtered = df_gesamt[df_gesamt["country"] == selected_country]

    # Je nach ausgewählter Metrik aggregieren
    if selected_metric == "loan_amount":
        chart_data = df_filtered.groupby("Erfolgskategorie")[
            "loan_amount"].sum().reset_index()
    elif selected_metric == "loan_count":
        # Für "loan_count" verwenden wir die Anzahl der Zeilen pro Erfolgskategorie
        chart_data = df_filtered.groupby(
            "Erfolgskategorie").size().reset_index(name="loan_count")
    elif selected_metric == "average_loan":
        # Für "average_loan" berechnen wir den Durchschnitt pro Erfolgskategorie
        chart_data = df_filtered.groupby("Erfolgskategorie")[
            "loan_amount"].mean().reset_index(name="average_loan")

    # Piechart erstellen
    pie_chart = px.pie(
        chart_data,
        values=selected_metric,
        names="Erfolgskategorie"
    )

    # Textlabels mit absoluten Zahlen hinzufügen
    pie_chart.update_traces(textposition='inside',
                            textinfo='percent+label+value')

    return pie_chart


# 4. App starten
if __name__ == '__main__':
    my_kiva_app1.run_server(mode='inline')


# 1. App erstellen - Name der App vergeben
my_kiva_app2 = dash.Dash(__name__)

# 2. Layout festlegen
my_kiva_app2.layout = html.Div(children=[
    # Überschrift
    html.H1(children="Erfolg der Projekte - Barplot Vergleich",
            style={
                "textAlign": "center",
                "font-family": "Verdana",  # Schriftart
                "font-size": "24px"  # Schriftgröße
            }
            ),

    # Dropdown für den ersten Plot
    dcc.Dropdown(id="graph_drop1",
                 options=df_gesamt.loc[:, "Erfolgskategorie"].unique(),
                 value="",
                 style={"width": 230,
                        "font-family": "Verdana",  # Schriftart 
                        "font-size": "16px"  # Schriftgröße
                        }
                 ),

    # Erster Graph
    dcc.Graph(id="graph1",
              figure={}
              ),

    # Dropdown für den zweiten Plot
    dcc.Dropdown(id="graph_drop2",
                 options=df_gesamt.loc[:, "Erfolgskategorie"].unique(),
                 value="",
                 style={"width": 230,
                        "font-family": "Verdana",  # Schriftart
                        "font-size": "16px"  # Schriftgröße
                        }
                 ),

    # Zweiter Graph
    dcc.Graph(id="graph2",
              figure={}
              ),
])

# 3. Callbacks erstellen


@my_kiva_app2.callback(
    Output("graph1", "figure"),
    Input("graph_drop1", "value")
)
def update_plot1(selected_Erfolgskategorie):
    # Daten selektieren
    df_select = df_gesamt.loc[df_gesamt["Erfolgskategorie"]
                              == selected_Erfolgskategorie]

    # Daten gruppieren und aggregieren
    grouped_data = df_select.groupby(
        "country")["loan_amount"].sum().reset_index()

    # Plot erstellen (Barplot)
    my_barplot1 = px.bar(data_frame=grouped_data,
                         x="country",
                         y="loan_amount",
                         labels={"country": "Land",
                                 "loan_amount": "Summe Kreditbetrag"}
                         )
    # Layout des Plots anpassen, einschließlich der Schriftart
    my_barplot1.update_layout(
        title="Summe Kreditbetrag je Land",
        font=dict
        (
            family="Verdana",  # Schriftart
            size=12  # Schriftgröße
        )
    )

    return my_barplot1


@my_kiva_app2.callback(
    Output("graph2", "figure"),
    Input("graph_drop2", "value")
)
def update_plot2(selected_Erfolgskategorie):
    # Daten selektieren
    df_select = df_gesamt.loc[df_gesamt["Erfolgskategorie"]
                              == selected_Erfolgskategorie]

    # Daten gruppieren und aggregieren
    grouped_data = df_select.groupby(
        "country")["funded_amount"].sum().reset_index()

    # Plot erstellen (Barplot)
    my_barplot2 = px.bar(data_frame=grouped_data,
                         x="country",
                         y="funded_amount",
                         labels={"country": "Land",
                                 "funded_amount": "Summe geförderter Betrag"}
                         )
    # Layout des Plots anpassen, einschließlich der Schriftart
    my_barplot2.update_layout(
        title="Summe geförderter Betrag je Land",
        font=dict
        (
            family="Verdana",  # Schriftart
            size=12  # Schriftgröße
        )
    )

    return my_barplot2


# 4. App starten
if __name__ == '__main__':
    my_kiva_app2.run_server(mode='inline')

[2023-10-06 09:25:54,685] ERROR in app: Exception on /_dash-update-component [POST]
Traceback (most recent call last):
  File "C:\Users\alfa\anaconda3\lib\site-packages\dash\dash.py", line 1242, in dispatch
    cb = self.callback_map[output]
KeyError: 'pie_chart.figure'

The above exception was the direct cause of the following exception:

Traceback (most recent call last):
  File "C:\Users\alfa\anaconda3\lib\site-packages\flask\app.py", line 2525, in wsgi_app
    response = self.full_dispatch_request()
  File "C:\Users\alfa\anaconda3\lib\site-packages\flask\app.py", line 1822, in full_dispatch_request
    rv = self.handle_user_exception(e)
  File "C:\Users\alfa\anaconda3\lib\site-packages\flask\app.py", line 1820, in full_dispatch_request
    rv = self.dispatch_request()
  File "C:\Users\alfa\anaconda3\lib\site-packages\flask\app.py", line 1796, in dispatch_request
    return self.ensure_sync(self.view_functions[rule.endpoint])(**view_args)
  File "C:\Users\alfa\anaconda3\lib\site-packages\dash\dash.py", line 1293, in dispatch
    raise KeyError(msg) from missing_callback_function
KeyError: "Callback function not found for output 'pie_chart.figure', perhaps you forgot to prepend the '@'?"

	country	1800	1801	1802	1803	1804	1805	1806	1807	1808	...	2091	2092	2093	2094	2095	2096	2097	2098	2099	2100
0	Afghanistan	583	583	583	583	583	583	583	583	583	...	3570	3700	3720	3830	3930	4030	4130	3900	4070	4030
1	Angola	452	454	456	458	460	462	464	466	468	...	20.6k	21.1k	21.7k	21.9k	22.3k	22.5k	23k	23.5k	24k	24.6k
2	Albania	569	571	572	574	576	577	579	581	582	...	37.6k	38.5k	39.4k	39.9k	40.9k	41.9k	41.4k	42.4k	43.7k	45.7k
3	Andorra	1660	1660	1670	1670	1670	1680	1680	1680	1690	...	59.2k	60k	60.3k	61k	61.7k	62.7k	61.9k	62.5k	62.9k	62.1k
4	UAE	1390	1390	1390	1400	1410	1410	1420	1420	1430	...	86.2k	85.4k	84.1k	84.3k	84.6k	83.9k	84.2k	84k	84.1k	84.3k
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
190	Samoa	1940	1940	1940	1940	1940	1940	1940	1950	1950	...	12.6k	12.9k	13.3k	13.6k	13.9k	14.3k	14.7k	14.7k	15.6k	16k
191	Yemen	1220	1230	1230	1230	1240	1240	1240	1250	1250	...	4680	4620	4680	4880	5060	5260	5370	5490	5610	5730
192	South Africa	2120	2100	2070	2050	2030	1920	1920	2080	1820	...	36.5k	37.3k	38.1k	39k	39.6k	40.2k	40.9k	41.6k	42.1k	42.7k
193	Zambia	646	648	650	651	653	654	656	658	659	...	10.6k	10.9k	10.8k	11.1k	11.4k	11.7k	12k	12.3k	12.5k	12.8k
194	Zimbabwe	1170	1170	1170	1170	1170	1170	1180	1180	1180	...	5970	6190	6360	6570	6600	6750	6890	7080	7200	7380

	country	1800	1801	1802	1803	1804	1805	1806	1807	1808	...	2091	2092	2093	2094	2095	2096	2097	2098	2099	2100
0	Afghanistan	583	583	583	583	583	583	583	583	583	...	3570	3700	3720	3830	3930	4030	4130	3900	4070	4030
1	Angola	452	454	456	458	460	462	464	466	468	...	20.6k	21.1k	21.7k	21.9k	22.3k	22.5k	23k	23.5k	24k	24.6k
2	Albania	569	571	572	574	576	577	579	581	582	...	37.6k	38.5k	39.4k	39.9k	40.9k	41.9k	41.4k	42.4k	43.7k	45.7k
3	Andorra	1660	1660	1670	1670	1670	1680	1680	1680	1690	...	59.2k	60k	60.3k	61k	61.7k	62.7k	61.9k	62.5k	62.9k	62.1k
4	UAE	1390	1390	1390	1400	1410	1410	1420	1420	1430	...	86.2k	85.4k	84.1k	84.3k	84.6k	83.9k	84.2k	84k	84.1k	84.3k
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
190	Samoa	1940	1940	1940	1940	1940	1940	1940	1950	1950	...	12.6k	12.9k	13.3k	13.6k	13.9k	14.3k	14.7k	14.7k	15.6k	16k
191	Yemen	1220	1230	1230	1230	1240	1240	1240	1250	1250	...	4680	4620	4680	4880	5060	5260	5370	5490	5610	5730
192	South Africa	2120	2100	2070	2050	2030	1920	1920	2080	1820	...	36.5k	37.3k	38.1k	39k	39.6k	40.2k	40.9k	41.6k	42.1k	42.7k
193	Zambia	646	648	650	651	653	654	656	658	659	...	10.6k	10.9k	10.8k	11.1k	11.4k	11.7k	12k	12.3k	12.5k	12.8k
194	Zimbabwe	1170	1170	1170	1170	1170	1170	1180	1180	1180	...	5970	6190	6360	6570	6600	6750	6890	7080	7200	7380

	country	2010	2011	2012	2013	2014	2015	2016	2017	2018	2019	2020	2021	2022
0	Afghanistan	2030	1960	2120	2170	2140	2110	2100	2100	2060	2080	1970	1520	1430
1	Angola	7690	7660	8010	8100	8180	7970	7490	7220	6880	6600	6030	5910	5900
2	Albania	10.8k	11.1k	11.2k	11.4k	11.6k	11.9k	12.3k	12.8k	13.3k	13.7k	13.3k	14.5k	15.1k
3	Andorra	60.5k	60.9k	57.9k	55.7k	56.6k	56.5k	57.5k	56.4k	56.2k	56.3k	49.7k	53.1k	55.6k
4	UAE	54.7k	57.8k	59.9k	62.4k	64.3k	68.1k	71.2k	71.2k	71.6k	71.8k	67.7k	69.7k	70.8k
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
190	Samoa	5810	5980	5710	5660	5650	5810	6210	6240	6140	6350	6060	5530	5220
191	Yemen	4440	3770	3760	3840	3740	2620	2320	2150	2120	2100	1880	1820	1780
192	South Africa	13.5k	13.7k	13.9k	14k	14k	13.9k	13.8k	14k	14k	13.9k	12.8k	13.3k	13.4k
193	Zambia	3080	3150	3280	3330	3380	3370	3380	3400	3430	3370	3180	3240	3230
194	Zimbabwe	1800	2030	2310	2330	2320	2310	2290	2330	2400	2200	1990	2120	2130

	country	2010	2011	2012	2013	2014	2015	2016	2017	2018	2019	2020	2021	2022
0	Afghanistan	2030	1960	2120	2170	2140	2110	2100	2100	2060	2080	1970	1520	1430
1	Albania	10.8k	11.1k	11.2k	11.4k	11.6k	11.9k	12.3k	12.8k	13.3k	13.7k	13.3k	14.5k	15.1k
2	Armenia	9070	9550	10.3k	10.7k	11.1k	11.5k	11.6k	12.5k	13.2k	14.3k	13.4k	14.2k	15.2k
3	Azerbaijan	14.1k	13.9k	14k	14.7k	14.9k	14.9k	14.2k	14.1k	14.2k	14.4k	13.7k	14.4k	14.8k
4	Burundi	804	808	814	825	831	782	764	751	740	730	711	705	707
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
78	Samoa	5810	5980	5710	5660	5650	5810	6210	6240	6140	6350	6060	5530	5220
79	Yemen	4440	3770	3760	3840	3740	2620	2320	2150	2120	2100	1880	1820	1780
80	South Africa	13.5k	13.7k	13.9k	14k	14k	13.9k	13.8k	14k	14k	13.9k	12.8k	13.3k	13.4k
81	Zambia	3080	3150	3280	3330	3380	3370	3380	3400	3430	3370	3180	3240	3230
82	Zimbabwe	1800	2030	2310	2330	2320	2310	2290	2330	2400	2200	1990	2120	2130

	funded_amount	loan_amount	activity	sector	use	country_code	country	region	currency	term_in_months	lender_count	borrower_genders	repayment_interval
0	300.0	300.0	Fruits & Vegetables	Food	To buy seasonal, fresh fruits to sell.	PK	Pakistan	Lahore	PKR	12.0	12	female	irregular
1	575.0	575.0	Rickshaw	Transportation	to repair and maintain the auto rickshaw used ...	PK	Pakistan	Lahore	PKR	11.0	14	female, female	irregular
2	150.0	150.0	Transportation	Transportation	To repair their old cycle-van and buy another ...	IN	India	Maynaguri	INR	43.0	6	female	bullet
3	200.0	200.0	Embroidery	Arts	to purchase an embroidery machine and a variet...	PK	Pakistan	Lahore	PKR	11.0	8	female	irregular
4	400.0	400.0	Milk Sales	Food	to purchase one buffalo.	PK	Pakistan	Abdul Hakeem	PKR	14.0	16	female	monthly
...	...	...	...	...	...	...	...	...	...	...	...	...	...
671200	0.0	25.0	Livestock	Agriculture	[True, u'para compara: cemento, arenya y ladri...	PY	Paraguay	Concepción	USD	13.0	0	female	monthly
671201	25.0	25.0	Livestock	Agriculture	[True, u'to start a turducken farm.'] - this l...	KE	Kenya	NaN	KES	13.0	1	female	monthly
671202	0.0	25.0	Games	Entertainment	NaN	KE	Kenya	NaN	KES	13.0	0	NaN	monthly
671203	0.0	25.0	Livestock	Agriculture	[True, u'to start a turducken farm.'] - this l...	KE	Kenya	NaN	KES	13.0	0	female	monthly
671204	0.0	25.0	Livestock	Agriculture	[True, u'to start a turducken farm.'] - this l...	KE	Kenya	NaN	KES	13.0	0	female	monthly

	funded_amount	loan_amount	term_in_months	lender_count
count	671205.000000	671205.000000	671205.000000	671205.000000
mean	785.995061	842.397107	13.739022	20.590922
std	1130.398941	1198.660073	8.598919	28.459551
min	0.000000	25.000000	1.000000	0.000000
25%	250.000000	275.000000	8.000000	7.000000
50%	450.000000	500.000000	13.000000	13.000000
75%	900.000000	1000.000000	14.000000	24.000000
max	100000.000000	100000.000000	158.000000	2986.000000

	activity	sector	use	country_code	country	region	currency	borrower_genders	repayment_interval
count	671205	671205	666972	671197	671205	614405	671205	666984	671205
unique	163	15	423452	86	87	12695	67	11298	4
top	Farming	Agriculture	to buy a water filter to provide safe drinking...	PH	Philippines	Kaduna	PHP	female	monthly
freq	72955	180302	5217	160441	160441	10000	160440	426502	342717

	funded_amount	loan_amount	activity	sector	use	country_code	country	region	currency	term_in_months	lender_count	borrower_genders	repayment_interval
498	100.0	100.0	Home Energy	Personal Use	to buy a solar-powered lamp.	SV	El Salvador	NaN	USD	14.0	4	male	monthly
606	100.0	100.0	Home Energy	Personal Use	to buy a solar-powered lamp.	SV	El Salvador	NaN	USD	14.0	4	male	monthly
808	450.0	450.0	Higher education costs	Education	to pay for one semester's registration fees.	CO	Colombia	Bogotà	COP	7.0	15	female	monthly
1703	500.0	500.0	Higher education costs	Education	To buy a laptop for educational purposes.	SO	Somalia	Hargeisa	USD	8.0	19	male	monthly
2317	250.0	250.0	Poultry	Agriculture	to purchase poultry.	KE	Kenya	Ndaragwa	KES	16.0	10	female	monthly
...	...	...	...	...	...	...	...	...	...	...	...	...	...
671200	0.0	25.0	Livestock	Agriculture	[True, u'para compara: cemento, arenya y ladri...	PY	Paraguay	Concepción	USD	13.0	0	female	monthly
671201	25.0	25.0	Livestock	Agriculture	[True, u'to start a turducken farm.'] - this l...	KE	Kenya	NaN	KES	13.0	1	female	monthly
671202	0.0	25.0	Games	Entertainment	NaN	KE	Kenya	NaN	KES	13.0	0	NaN	monthly
671203	0.0	25.0	Livestock	Agriculture	[True, u'to start a turducken farm.'] - this l...	KE	Kenya	NaN	KES	13.0	0	female	monthly
671204	0.0	25.0	Livestock	Agriculture	[True, u'to start a turducken farm.'] - this l...	KE	Kenya	NaN	KES	13.0	0	female	monthly

	funded_amount	loan_amount	activity	sector	use	country_code	country	region	currency	term_in_months	lender_count	borrower_genders	repayment_interval
327	275.0	275.0	Farming	Agriculture	to buy fertilizers and other farm supplies.	PH	Philippines	Brookes Point, Palawan	PHP	8.0	8	female	irregular
392	100.0	100.0	Home Energy	Personal Use	to buy a solar lamp.	SV	El Salvador	NaN	USD	14.0	4	male	monthly
405	100.0	100.0	Home Energy	Personal Use	to buy a solar-powered lamp.	SV	El Salvador	NaN	USD	14.0	4	male	monthly
498	100.0	100.0	Home Energy	Personal Use	to buy a solar-powered lamp.	SV	El Salvador	NaN	USD	14.0	4	male	monthly
606	100.0	100.0	Home Energy	Personal Use	to buy a solar-powered lamp.	SV	El Salvador	NaN	USD	14.0	4	male	monthly
...	...	...	...	...	...	...	...	...	...	...	...	...	...
671200	0.0	25.0	Livestock	Agriculture	[True, u'para compara: cemento, arenya y ladri...	PY	Paraguay	Concepción	USD	13.0	0	female	monthly
671201	25.0	25.0	Livestock	Agriculture	[True, u'to start a turducken farm.'] - this l...	KE	Kenya	NaN	KES	13.0	1	female	monthly
671202	0.0	25.0	Games	Entertainment	NaN	KE	Kenya	NaN	KES	13.0	0	NaN	monthly
671203	0.0	25.0	Livestock	Agriculture	[True, u'to start a turducken farm.'] - this l...	KE	Kenya	NaN	KES	13.0	0	female	monthly
671204	0.0	25.0	Livestock	Agriculture	[True, u'to start a turducken farm.'] - this l...	KE	Kenya	NaN	KES	13.0	0	female	monthly

	funded_amount	loan_amount	activity	sector	use	country_code	country	currency	term_in_months	lender_count	borrower_genders	repayment_interval
140	2975.0	2975.0	Food Production/Sales	Food	NaN	TZ	Tanzania	TZS	10.0	110	NaN	monthly
145	1200.0	1200.0	Personal Expenses	Personal Use	NaN	PE	Peru	PEN	20.0	44	NaN	monthly
170	4250.0	4250.0	Catering	Food	NaN	TZ	Tanzania	TZS	10.0	116	NaN	monthly
412	2350.0	2350.0	Beauty Salon	Services	NaN	TZ	Tanzania	TZS	10.0	75	NaN	monthly
414	725.0	725.0	Agriculture	Agriculture	NaN	SV	El Salvador	USD	20.0	19	NaN	monthly
...	...	...	...	...	...	...	...	...	...	...	...	...
671151	0.0	25.0	Livestock	Agriculture	NaN	KE	Kenya	KES	13.0	0	NaN	monthly
671174	0.0	25.0	Games	Entertainment	NaN	KE	Kenya	KES	13.0	0	NaN	monthly
671178	0.0	25.0	Livestock	Agriculture	NaN	KE	Kenya	KES	13.0	0	NaN	monthly
671185	0.0	25.0	Livestock	Agriculture	NaN	KE	Kenya	KES	13.0	0	NaN	monthly
671202	0.0	25.0	Games	Entertainment	NaN	KE	Kenya	KES	13.0	0	NaN	monthly

	funded_amount	loan_amount	activity	sector	use	country_code	country	currency	term_in_months	lender_count	borrower_genders	repayment_interval
294	600.0	600.0	Retail	Retail	to buy toys.	BO	Bolivia	BOB	14.0	24	female	monthly
330	875.0	875.0	Construction Supplies	Construction	to buy construction materials to finish a job.	BO	Bolivia	BOB	20.0	14	male	monthly
415	2550.0	2550.0	Crafts	Arts	to buy fabric	BO	Bolivia	BOB	7.0	84	female, female, female, female, female, female...	monthly
494	4900.0	4900.0	Clothing Sales	Clothing	to buy clothes.	BO	Bolivia	BOB	9.0	131	female, female, female, female, female, female...	monthly
568	5150.0	5150.0	General Store	Retail	to buy supplies to sell	BO	Bolivia	BOB	9.0	138	female, female, female, female, female, female...	monthly
...	...	...	...	...	...	...	...	...	...	...	...	...
666936	50.0	875.0	Livestock	Agriculture	Translated loan use to english.	BO	Bolivia	BOB	13.0	2	female, female	monthly
666949	0.0	725.0	Livestock	Agriculture	Translated loan use to english.	BO	Bolivia	BOB	13.0	0	female	monthly
666953	0.0	875.0	Livestock	Agriculture	Translated loan use to english.	BO	Bolivia	BOB	13.0	0	female, female	monthly
666959	0.0	725.0	Livestock	Agriculture	Translated loan use to english.	BO	Bolivia	BOB	13.0	0	female	monthly
666960	0.0	875.0	Livestock	Agriculture	Translated loan use to english.	BO	Bolivia	BOB	13.0	0	female, female	monthly

	funded_amount	loan_amount	term_in_months	lender_count
funded_amount	1.000000	0.951995	0.148572	0.848172
loan_amount	0.951995	1.000000	0.184212	0.803510
term_in_months	0.148572	0.184212	1.000000	0.226967
lender_count	0.848172	0.803510	0.226967	1.000000

	funded_amount	loan_amount	activity	sector	use	country_code	country	currency	term_in_months	lender_count	borrower_genders	repayment_interval
87	4275	5000	Personal Housing Expenses	Housing	to pave the ground and repair the ceiling, to ...	PS	Palestine	USD	39	58	male	monthly
112	1925	2400	Electronics Repair	Services	to pay the annual rent for his shop	IQ	Iraq	USD	15	41	male	monthly
183	2625	3000	Grocery Store	Food	to pay the annual rent on his grocery store an...	IQ	Iraq	USD	15	72	male	monthly
306	2750	3000	Grocery Store	Food	to install a new floor in his grocery store an...	IQ	Iraq	USD	15	44	male	monthly
310	1300	3000	Clothing	Clothing	to buy shoes and clothes to sell.	PS	Palestine	USD	27	35	female	monthly

	loan_amount	activity	sector	use	country_code	country	currency	term_in_months	borrower_genders	repayment_interval
4760	5000	Food Production/Sales	Food	grow and create new jobs in my company.	US	United States	USD	24	female	bullet
6710	10000	Cosmetics Sales	Retail	start a new stream of income by offering retai...	US	United States	USD	36	male	bullet
10620	5000	Services	Services	purchase new equipment and market to more pote...	US	United States	USD	24	male	bullet
11910	5000	Food Production/Sales	Food	purchase much needed packaging that is sustain...	US	United States	USD	24	male	bullet
13400	1500	Crafts	Arts	increase my inventory of handmade candles, dri...	US	United States	USD	12	male	bullet

	country	currency	Anzahl der Kredite	Gesamtwert der Kredite
97	Philippines	PHP	160360	54413075
52	Kenya	KES	74615	30732240
32	El Salvador	USD	39319	23059975
17	Cambodia	KHR	29485	13557475
87	Pakistan	PKR	26852	12419300
95	Peru	PEN	21337	28627475
24	Colombia	COP	21205	11897675
125	Uganda	UGX	20324	13747225
115	Tajikistan	TJS	17502	11232600
30	Ecuador	USD	13486	14568600
93	Paraguay	PYG	11836	29297600
44	India	INR	11178	6340925
130	Vietnam	VND	10841	13660925
85	Nigeria	NGN	10129	1869875
91	Palestine	USD	8140	12000275
104	Samoa	WST	7371	5611900
11	Bolivia	BOB	7257	16296400
38	Guatemala	GTQ	7167	10667550
83	Nicaragua	NIO	7113	6239725
60	Lebanon	USD	6708	9394650

	country	currency	Anzahl der Kredite	Gesamtwert der Kredite
97	Philippines	PHP	160360	54413075
52	Kenya	KES	74615	30732240
93	Paraguay	PYG	11836	29297600
95	Peru	PEN	21337	28627475
32	El Salvador	USD	39319	23059975
128	United States	USD	5928	22676015
11	Bolivia	BOB	7257	16296400
100	Rwanda	RWF	6696	15126450
30	Ecuador	USD	13486	14568600
125	Uganda	UGX	20324	13747225
130	Vietnam	VND	10841	13660925
17	Cambodia	KHR	29485	13557475
87	Pakistan	PKR	26852	12419300
91	Palestine	USD	8140	12000275
24	Colombia	COP	21205	11897675
115	Tajikistan	TJS	17502	11232600
121	The Democratic Republic of the Congo	USD	3070	11016925
38	Guatemala	GTQ	7167	10667550
60	Lebanon	USD	6708	9394650
71	Mexico	MXN	5603	8823950

	country	currency	Anzahl der Kredite	Gesamtwert der Kredite
32	El Salvador	USD	39319	23059975
30	Ecuador	USD	13486	14568600
91	Palestine	USD	8140	12000275
60	Lebanon	USD	6708	9394650
128	United States	USD	5928	22676015
18	Cambodia	USD	5324	5227350
84	Nicaragua	USD	4563	3553775
135	Zimbabwe	USD	3977	3327650
121	The Democratic Republic of the Congo	USD	3070	11016925
122	Timor-Leste	USD	2676	2316900
4	Armenia	USD	2642	4601425
116	Tajikistan	USD	2016	2504325
12	Bolivia	USD	1465	1914125
48	Iraq	USD	989	2605500
34	Georgia	USD	838	1480600
96	Peru	USD	828	1674625
53	Kenya	USD	497	1237725
56	Kyrgyzstan	USD	350	419350
75	Mongolia	USD	244	446700
41	Haiti	USD	223	641250

	country	currency	Anzahl der Kredite	Gesamtwert der Kredite
32	El Salvador	USD	39319	23059975
128	United States	USD	5928	22676015
30	Ecuador	USD	13486	14568600
91	Palestine	USD	8140	12000275
121	The Democratic Republic of the Congo	USD	3070	11016925
60	Lebanon	USD	6708	9394650
18	Cambodia	USD	5324	5227350
4	Armenia	USD	2642	4601425
84	Nicaragua	USD	4563	3553775
135	Zimbabwe	USD	3977	3327650
48	Iraq	USD	989	2605500
116	Tajikistan	USD	2016	2504325
122	Timor-Leste	USD	2676	2316900
12	Bolivia	USD	1465	1914125
96	Peru	USD	828	1674625
34	Georgia	USD	838	1480600
53	Kenya	USD	497	1237725
41	Haiti	USD	223	641250
75	Mongolia	USD	244	446700
56	Kyrgyzstan	USD	350	419350

	country	currency	Anzahl der Kredite	Gesamtwert der Kredite
0	Afghanistan	USD	2	14000
1	Albania	ALL	1916	2419575
2	Albania	USD	1	50000
3	Armenia	AMD	5986	6584800
4	Armenia	USD	2642	4601425
...	...	...	...	...
132	Yemen	YER	2308	1771950
133	Zambia	USD	2	60000
134	Zambia	ZMW	748	1059250
135	Zimbabwe	USD	3977	3327650
136	Zimbabwe	ZWD	1	25

	country	Anzahl der Kredite	Gesamtwert der Kredite
59	Philippines	160361	54438075
34	Kenya	75112	31969965
22	El Salvador	39319	23059975
11	Cambodia	34809	18784825
54	Pakistan	26853	12465425
58	Peru	22165	30302100
15	Colombia	21216	11968075
78	Uganda	20390	14039000
71	Tajikistan	19518	13736925
20	Ecuador	13486	14568600
57	Paraguay	11841	29297650
52	Nicaragua	11676	9793500
29	India	11194	6373500
82	Vietnam	10841	13660925
53	Nigeria	10130	1904875
38	Lebanon	8776	11539125
7	Bolivia	8722	18210525
2	Armenia	8628	11186225
55	Palestine	8152	12017025
63	Samoa	7372	5613400

	currency	Anzahl der Kredite	Gesamtwert der Kredite
42	PHP	160360	54413075
56	USD	104423	129135010
23	KES	74615	30732240
25	KHR	29485	13557475
43	PKR	26852	12419300
41	PEN	21337	28627475
9	COP	21205	11897675
55	UGX	20324	13747225
62	XOF	18584	19985475
51	TJS	17502	11232600
44	PYG	11836	29297600
21	INR	11178	6340925
57	VND	10841	13660925
38	NGN	10129	1869875
59	WST	7371	5611900
4	BOB	7257	16296400
16	GTQ	7167	10667550
39	NIO	7113	6239725
45	RWF	6696	15126450
17	HNL	6393	5571025

	borrower_genders	gender_group
10	female	Female single
17	female, female, female	Female group
35	female, female, female, female, female, female...	Female group
50	male, male, male, male, male	Male group
53	male	Male single
59	male, female, female, female	Mixed group

	t	tw	g
country
Philippines	157533	2718	110
Kenya	69846	4748	518
Cambodia	33437	1193	179
El Salvador	32260	6863	196
Pakistan	24918	1690	245
Peru	21579	574	12
Uganda	18094	2186	110
Tajikistan	17475	1961	82
Colombia	17261	3801	154
Ecuador	12870	608	8
Paraguay	11518	318	5
India	10868	314	12
Nicaragua	10411	1247	18
Vietnam	9878	902	61
Nigeria	9132	872	126
Armenia	6806	1800	22
United States	3779	1332	817
Bolivia	7530	1179	13
Palestine	7164	988	0
Togo	5612	59	71
Sierra Leone	4937	297	62
Liberia	3512	36	52
Mozambique	3102	318	47

	Erfolgskategorie	country	loan_amount
0	Gescheiterte	United States	3048225
1	Gescheiterte	Kenya	246300
2	Gescheiterte	Cambodia	153250
3	Gescheiterte	El Salvador	147400
4	Gescheiterte	Pakistan	95675
5	Teilweise Erfolgreiche	United States	7171625
6	Teilweise Erfolgreiche	El Salvador	6255350
7	Teilweise Erfolgreiche	Kenya	3753925
8	Teilweise Erfolgreiche	Colombia	3729850
9	Teilweise Erfolgreiche	Armenia	3144725
10	Total Erfolgreiche	Philippines	53547075
11	Total Erfolgreiche	Kenya	30182950
12	Total Erfolgreiche	Peru	29923350
13	Total Erfolgreiche	Paraguay	29016650
14	Total Erfolgreiche	United States	20538225

	Country	Gescheiterte	Teilweise Erfolgreiche	Total Erfolgreiche
0	Armenia	NaN	3144725.0	NaN
1	Cambodia	153250.0	NaN	NaN
2	Colombia	NaN	3729850.0	NaN
3	El Salvador	147400.0	6255350.0	NaN
4	Kenya	246300.0	3753925.0	30182950.0
5	Pakistan	95675.0	NaN	NaN
6	Paraguay	NaN	NaN	29016650.0
7	Peru	NaN	NaN	29923350.0
8	Philippines	NaN	NaN	53547075.0
9	United States	3048225.0	7171625.0	20538225.0

	Erfolgskategorie	country	loan_amount
0	Gescheiterte	Virgin Islands	5000.00
1	Gescheiterte	Rwanda	4516.25
2	Gescheiterte	United States	3731.00
3	Gescheiterte	Mali	3475.00
4	Gescheiterte	Puerto Rico	3300.00
5	Teilweise Erfolgreiche	Puerto Rico	5490.00
6	Teilweise Erfolgreiche	Dominican Republic	5386.96
7	Teilweise Erfolgreiche	United States	5384.10
8	Teilweise Erfolgreiche	Guam	4300.00
9	Teilweise Erfolgreiche	The Democratic Republic of the Congo	4286.51
10	Total Erfolgreiche	Cote D'Ivoire	50000.00
11	Total Erfolgreiche	Mauritania	15000.00
12	Total Erfolgreiche	Bhutan	10000.00
13	Total Erfolgreiche	Chile	8080.56
14	Total Erfolgreiche	Afghanistan	7000.00

	Country	Gescheiterte	Teilweise Erfolgreiche	Total Erfolgreiche
0	Afghanistan	NaN	NaN	7000.0
1	Bhutan	NaN	NaN	10000.0
2	Chile	NaN	NaN	8080.56
3	Cote D'Ivoire	NaN	NaN	50000.0
4	Dominican Republic	NaN	5386.96	NaN
5	Guam	NaN	4300.0	NaN
6	Mali	3475.0	NaN	NaN
7	Mauritania	NaN	NaN	15000.0
8	Puerto Rico	3300.0	5490.0	NaN
9	Rwanda	4516.25	NaN	NaN
10	The Democratic Republic of the Congo	NaN	4286.51	NaN
11	United States	3731.0	5384.1	NaN
12	Virgin Islands	5000.0	NaN	NaN

Abschlussprojekt - Data Analytics¶

Import der benötigten Bibliotheken¶

Einlesen der Daten¶

Kennenlernen des Datensatzes¶

Überblick mit .info¶

Erster Überblick fehlende Werte¶

Deskriptive Statistik der Spalten mit numerischen Werten¶

Deskriptive Statistik der Spalten mit kategorischen Werten¶

Typen der Spaltenwerte¶

Erster Blick in den Datensatz mit .head¶

Die Spaltennamen¶

Shape des Dataframes¶

Unique Values der verschiedenen Spalten¶

Unique funded amount¶

Unique loan amount¶

Unique activity¶

Unique sector¶

Unique use¶

Unique country code¶

Unique country¶

Unique region¶

Unique currency¶

Unique term in months¶

Unique lender count¶

Unique borrower genders¶

Unique repayment interval¶

Data Understanding und Business Understanding¶

Überprüfung auf Duplikate¶

Definition¶

Identifikation von Duplikaten¶

Umgang mit Duplikaten¶

Überprüfung auf fehlende Werte¶

Identifikation fehlender Werte¶

Identifikation systemseitig¶

Identifikation Synonyme¶

Umgang mit fehlenden Werten¶

Löschen, Beibehalten, Auffüllen? (-> sachlich begründen)¶

Ausreißer vs Extremwerte¶

Identifikation von Ausreißern bzw. Extremwerten¶

Boxplot: fundet_amount¶

Boxplot:loan_amount¶

Boxplot: lender_count¶

Umgang drin/raus? -> Begründung Geschäftsmodell¶

Nachtrag: fehlender Boxplot zu term_in_months¶

Kennzahlen definieren¶

Einige Kennzahlen¶

Einbezug externer Daten von Gapminder (worldbank)¶

Pairplot, Korrelationsmatrizen, erste univariate Analyse¶

Korrelationsmatrix für die numerischen Variablen funded_amount , loan_amount, term_in_months, lender_count¶

Speicherplatzoptimierung downcasten, category datatype, wenn sinnvoll float2int¶

Untersuchen ob bei term_in_months die Nachkommastelle jemals nicht 0 ist¶

float2int: term_in_months¶

Untersuchen ob bei funded_amount die Nachkommastelle jemals nicht 0 ist¶

float2int: funded_amount¶

Untersuchen ob bei loan_amount die Nachkommastelle jemals nicht 0 ist¶

float2int: loan_amount¶

Analyse der Kennzahlen und Visualisierung¶

BEACHTEN¶

Erfolgreiche Projekte, Kreditfinanzierung ('funded_amount') vs. angeforderter Kreditbetrag ('loan_amount')¶

Total erfolgreiche Projekte¶

Teilweise erfolgreiche Projekte¶

Gescheiterte Projekte¶

BEWERTEN: Piechart: Erfolg der Projekte¶

Prozentsätze der teilweise erfolgreichen Projekte¶

Einteilung in Gruppen nach Prozentsätzen¶

Verteilung der Prozentsatzgruppen¶

Balkendiagramm: Verteilung der Prozentsatzgruppen¶

Durchschnittliche Kreditfinanzierung ('funded_amount')¶

Durchschnittlicher angeforderter Kreditbetrag ('loan_amount')¶

Verteilung der Kredite nach Aktivität ('activity') und Sektor ('sector')¶

Anzahl Kredite pro Aktivität¶

Anzahl Kredite pro Sektor¶

Prozentsatz Kredite pro Aktivität¶

Prozentsatz Kredite pro Sektor¶

Alle Sektoren und die jeweils zugehörigen Aktivitäten¶

Anzahl der Aktivitäten pro Sektor¶

Balkendiagramm: Anzahl der Aktivitäten pro Sektor¶

BEWERTEN: Treemap: Sektoren und die zugehörigen Aktivitäten¶

Häufigste Verwendungszwecke ('use') der Kredite¶

Die 15 häufigsten Wörter im Verwendungszweck¶